Елена Николаевна Комаровских, д-р мед. наук, профессор, профессор кафедры глазных болезней,
ул. Седина, д. 4, Краснодар, 350063
Elena N. Komarovskikh — Dr. of Med. Sci., professor, professor of the department of eye diseases,
4, Sedin St., Krasnodar, 350063
Евгений Викторович Подтынных, врач-офтальмолог,
ул. Красных Партизан, д. 6, Краснодар, 350012
Evgeny V. Podtynnykh, ophthalmologist,
6, Krasnykh Partizan St., Krasnodar, 350012
Цель работы — обобщение опыта разработки и применения искусственных нейронных сетей (ИНС) в ранней диагностике первичной открытоугольной глаукомы (ПОУГ).
Материал и методы. Обследовано 690 пациентов (918 глаз). Обучающая клиническая группа была сформирована из 459 клинических примеров (459 глаз), из которых 369 глаз были с начальной стадией ПОУГ и 90 глаз без глаукомы. Тестируемая клиническая группа была представлена 131 примером (131 глаз), из которых 110 (110 глаз) принадлежали больным ПОУГ и 21 (21 глаз) был без глаукомы. Итоговое диагностическое тестирование с помощью ИНС проведено на 328 (328 глаз) неизвестных примерах, принадлежащих лицам с подозрением на ПОУГ. Диагностический комплекс включал оптимально необходимый набор методов исследования.
Результаты. В результате работы ИНС 198 глаз из группы с подозрением на глаукому (60,4 %) были распознаны как глаукомные со 100%-ной уверенностью. К категории неглаукомных, «здоровых», были отнесены 76 (23,2 %) глаз; 54 глаза из категории с подозрением на глаукому были распознаны как «сомнительные» и затем повторно протестированы нейросетевым консилиумом, состоящим из 5 нейронных сетей. По результатам консилиума глаукомными были признаны 28 глаз, что составило 51,9 % из числа «сомнительных»; 26 (48,1 %) глаз были распознаны консилиумом как неглаукомные, «здоровые».
Заключение. Полученный нами опыт позволяет утверждать, что ИНС не представляют никакой опасности для врача и пациента и являются прекрасным инструментом диагностики ПОУГ на ранних стадиях.
Purpose: to summarize the experience of the development and application of artificial neural networks (ANW) in early diagnosis of primary open-angle glaucoma (POAG).
Material and methods. A total of 690 patients (918 eyes) were tested. The training clinical group consisted of 459 clinical examples (459 eyes), of which 369 eyes had an initial stage of POAG and 90 eyes had no glaucoma. The testing clinical group was represented by 131 examples (131 eyes), of which 110 eyes belonged to patients with POAG and 21 eyes were without glaucoma. The final diagnostic testing using ANW was conducted on 328 eyes with the diagnosis unknown to the researchers, which belonged to people with suspected POAG. The diagnostic complex included an optimally necessary set of research techniques.
Results. ANW identified glaucoma in 198 eyes out of those with suspected glaucoma (60.4 %) with 100 % certainty. 76 eyes (23.2 %) were classified as non-glaucoma, or “healthy”; 54 eyes of the suspected glaucoma patients were identified as “doubtful”, whereupon they were retested by a neural network pool consisting of 5 neural networks. According to the results of the retesting, 28 eyes, or 51.9 % of the “doubtful” ones were identified as having glaucoma, whereas 26 eyes (48.1 %) were identified as non-glaucomatous, i. e. healthy.
Conclusion. Our experience suggests that artificial neural networks pose no danger to the doctor or the patient and can be viewed as a very convenient tool for early POAG diagnostics.
The authors declare that there are no conflicts of interest present.