Divulgação pública de IA para estimar o sexo biológico a partir de imagens de fundo de olho

A Sociedade Oftalmológica Japonesa e o Instituto Nacional de Informática desenvolveram e divulgaram publicamente um modelo de IA para estimar o sexo de um indivíduo a partir de imagens de fundo de olho, usando dados coletados pelo Japan Ocular Imaging Registry (JOIR), um banco de dados oftalmológico nacional estabelecido com o apoio do Agência Japonesa de Ciências Médicas e da Saúde (AMED).

Esperamos que os pesquisadores apliquem este modelo de IA em pesquisas futuras, e isso ajude a elucidar a fisiopatologia de doenças onde a frequência de início difere dependendo do sexo biológico.

O aprendizado profundo emergiu como um avanço significativo no aprendizado de máquina e é amplamente utilizado em inteligência artificial (IA), particularmente no reconhecimento de imagens. Numerosos relatórios sugerem que a precisão do reconhecimento de imagens ultrapassou a dos humanos.

Em 2017, o NII estabeleceu o Centro de Pesquisa de Bigdata Médico (RCMB) para desenvolver IA de assistência médica e criou um banco de dados de big data de imagens médicas. A NII também desenvolveu e opera um ambiente de nuvem integrado (plataforma em nuvem) equipado com servidores de dados de alta capacidade e servidores GPU para cálculo de aprendizado de máquina.

Pesquisadores de análise de imagens médicas em todo o Japão, incluindo a Universidade de Nagoya, estão conectados à plataforma em nuvem como parte da equipe de análise da NII e estão colaborando para conduzir pesquisas e desenvolvimento de diversas IAs de assistência médica.

Em 2019, a JOS estabeleceu o Registro de Imagens Oculares do Japão da General Incorporated Association (JOI Registry ou JOIR) para coletar vários dados oftalmológicos de instalações relacionadas à oftalmologia em todo o país, com o objetivo de promover e apoiar a pesquisa e o desenvolvimento de IA de assistência médica. As imagens oftálmicas coletadas no banco de dados JOIR são anonimizadas e enviadas para a infraestrutura em nuvem do NII para desenvolver IA de suporte médico usando recursos computacionais disponíveis na infraestrutura em nuvem.

Nos últimos anos, o desenvolvimento da IA ​​utilizando imagens médicas progrediu rapidamente e tornou-se claro que é possível não só determinar a presença ou ausência de uma doença, mas também estimar a condição do indivíduo cuja imagem foi obtida.

Tornou-se claro que a IA pode ser usada para estimar idade, sexo, tabagismo, nível de açúcar no sangue, etc., a partir de imagens de fundo de olho tiradas da retina, que é a parte do olho sensível à luz, e das informações obtidas a partir desta é usado por oftalmologistas. Tem potencial para ser utilizado em investigação médica visando não apenas doenças regionais, mas também várias doenças sistémicas. Porém, nas pesquisas relatadas até o momento, a IA desenvolvida não foi divulgada, portanto não foi possível utilizá-la para outras pesquisas.

Para resolver este problema, a JOS colaborou com a NII para desenvolver uma IA que estima a idade de uma pessoa com base em imagens de fundo de olho e, em janeiro de 2023, o modelo de IA (método de estimativa) foi disponibilizado a uma vasta gama de investigadores sem qualquer custo. Como segundo passo, desenvolvemos uma IA que estima o sexo biológico a partir de imagens de fundo de olho e a disponibilizamos gratuitamente ao público.

O modelo que desenvolvemos usou 131.031 imagens de fundo de olho de pessoas com idades entre 17 e 94 anos com rótulos de sexo como dados de treinamento e realizou aprendizagem profunda com gênero como resposta correta. Durante o treinamento, usamos 16 modelos populares de aprendizagem profunda (DenseNet-121/169/201, Inception-V3, Inception-ResNet-V2, MobileNet, MobileNetV2, Xception, EfficientNet-B0/B1/B2/B3/B4/B5/B6 /B7).

Como resultado, a precisão com que o sexo estimado a partir das imagens do fundo dos dados de validação correspondeu ao género real foi de 92,0% (AUC 0,971) para o modelo mais elevado, o que é equivalente aos modelos de estimativa de género utilizados para outras raças. Entre estes, publicaremos dois modelos: EfficientNet-B7, que foi o mais preciso, e MobileNet, que foi leve e altamente preciso.

Ao utilizar estes modelos de IA, os investigadores podem elucidar a fisiopatologia de doenças cuja frequência de início difere dependendo do sexo biológico ou da informação suplementar quando a informação sobre o sexo está faltando na sua investigação.

Fornecido pela Organização de Pesquisa de Informação e Sistemas