Novi podaci ukazuju da algoritmi zasnovani na OCT snimcima mogu pomoći lekarima da ranije identifikuju pacijente sa većim rizikom od ponovne aktivnosti bolesti nakon loading faze anti-VEGF terapije.
Neovaskularna senilna degeneracija makule jedno je od najvažnijih oboljenja zadnjeg segmenta oka i vodeći uzrok ireverzibilnog gubitka centralnog vida kod starije populacije. Uvođenje anti-VEGF terapije značajno je promenilo prognozu ovih pacijenata, omogućavajući kontrolu eksudacije, stabilizaciju bolesti i očuvanje vidne funkcije. Ipak, uprkos terapijskom napretku, svakodnevna klinička praksa i dalje se suočava sa istim izazovom: tok bolesti je izrazito individualan, a vreme do prve rekurence nakon inicijalne terapije nije uvek lako predvideti.
Nakon loading faze anti-VEGF terapije, lekar mora da donese niz važnih odluka: kada zakazati sledeću kontrolu, koliko intenzivno pratiti pacijenta, da li postoji rizik od rane ponovne aktivnosti bolesti i kako pacijentu objasniti očekivani tok lečenja. U ovom prostoru veštačka inteligencija može imati značajnu ulogu — ne kao zamena za kliničku procenu, već kao dodatni alat koji pomaže u prepoznavanju suptilnih OCT obrazaca povezanih sa većim rizikom od rekurence.
Nova studija korejskih autora, objavljena u časopisu Scientific Reports, ispitivala je upravo ovu mogućnost: može li AI model, zasnovan na OCT snimcima, predvideti prvu rekurencu neovaskularne AMD u periodu od tri meseca nakon loading faze anti-VEGF terapije? Posebna vrednost ove studije je u tome što performanse algoritma nisu posmatrane izolovano, već su upoređene sa procenama oftalmologa različitog iskustva i subspecijalističkog profila.
U istraživanju je analizirano 149 očiju kod 130 pacijenata sa neovaskularnom AMD. Oftalmolozi su procenjivali verovatnoću prve rekurence u naredna tri meseca na osnovu OCT snimaka i dostupnih kliničkih informacija. U finalnu analizu uključeno je 19 lekara: retinalni specijalisti i oftalmolozi bez retinalne subspecijalizacije. Procene su sprovedene kroz više sesija, sa postupnim povećanjem dostupnih informacija, uključujući i AI-podržanu procenu.
AI sistem je radio u dva koraka. Prvo je segmentacioni model identifikovao regione tečnosti na OCT snimcima, a zatim je klasifikacioni model procenjivao verovatnoću rekurence bolesti u roku od tri meseca nakon loading faze. Sistem je generisao skor rekurence od 0 do 100%, uz heatmap prikaz regiona koji su najviše doprineli predikciji. Ovakav pristup je posebno važan jer lekaru ne nudi samo numeričku procenu rizika, već i vizuelno objašnjenje gde algoritam “vidi” potencijalni problem.
Rezultati su pokazali da je AI model imao umerenu, ali klinički relevantnu prediktivnu vrednost. Model je postigao AUROC od 0,744, dok su performanse oftalmologa kroz različite sesije bile niže, ali su se poboljšavale kako su dobijali više informacija. Kada su lekarima bili dostupni AI skor i heatmap prikaz, njihove procene postale su konzistentnije, što ukazuje da AI može doprineti standardizovanijem tumačenju kompleksnih OCT nalaza.
Važno je naglasiti da poruka ove studije nije da AI zamenjuje retinalnog specijalistu. Naprotiv, najvredniji zaključak je da AI može da podrži kliničara u situacijama u kojima je predikcija prirodno teška. Rekurenca nAMD zavisi od brojnih faktora, a OCT promene nakon loading faze mogu biti suptilne. U takvom kontekstu, algoritam može pomoći da se identifikuju pacijenti koji zaslužuju bliže praćenje, kraći interval kontrole ili oprezniji terapijski plan.
Posebno zanimljiv nalaz studije odnosi se na OCT biomarkere koji su bili povezani sa boljim slaganjem među lekarima u proceni rane rekurence. Subretinalna hemoragija na početku bolesti i hiperreflektivni fokusi na OCT snimcima pokazali su se kao značajni elementi u predikciji rane rekurence. Ovi nalazi su u skladu sa sve većim interesovanjem za kvantitativnu i kvalitativnu analizu OCT biomarkera u personalizovanom lečenju retinalnih bolesti.
Klinička vrednost ovakvog AI alata može biti višestruka. Prvo, može pomoći u boljoj stratifikaciji rizika nakon loading faze. Drugo, može podržati individualizaciju follow-up intervala. Treće, može unaprediti komunikaciju sa pacijentom, jer lekar dobija dodatni argument u objašnjavanju zašto je kod određenog pacijenta potrebna bliža kontrola. Konačno, u sistemima sa velikim opterećenjem retinalnih ambulanti, ovakvi alati mogu doprineti racionalnijem planiranju resursa.
Ipak, rezultate treba tumačiti u pravom kontekstu. Performanse modela bile su umerene, a ne savršene. Studija je sprovedena u jednom tercijarnom centru, bez eksterne validacije na nezavisnom datasetu, što ograničava generalizaciju rezultata. Takođe, AI model se oslanjao na OCT snimke, dok su lekari imali pristup i kliničkim informacijama, što poređenje čini metodološki kompleksnim. Buduća istraživanja trebalo bi da uključe veće, multicentrične kohorte i modele koji integrišu OCT nalaze sa kliničkim podacima.
Uprkos tim ograničenjima, ova studija predstavlja važan korak u razvoju prediktivne oftalmologije. Ona pokazuje da se AI u nAMD više ne koristi samo za prepoznavanje bolesti, već sve više za procenu njenog budućeg toka. To je posebno važno u hroničnim bolestima kao što je neovaskularna AMD, gde terapijski uspeh ne zavisi samo od postavljanja dijagnoze, već od kontinuiranog praćenja, pravovremenog prepoznavanja aktivnosti i individualnog prilagođavanja terapije.
Iz perspektive oftalmologa, AI se ovde može posmatrati kao dodatni sloj kliničke sigurnosti. Lekar i dalje donosi odluku, ali uz podršku alata koji može da objedini kompleksne OCT informacije i ukaže na rizik koji nije uvek očigledan na prvi pogled. U budućnosti, kombinacija kliničkog iskustva, OCT biomarkera i AI-podržane predikcije mogla bi da omogući preciznije, proaktivnije i personalizovanije lečenje pacijenata sa neovaskularnom AMD.
Ovaj rad se zato prirodno nadovezuje na širi trend u retinalnoj medicini: prelazak sa reaktivnog modela lečenja, u kojem reagujemo tek kada se bolest ponovo aktivira, ka prediktivnom modelu, u kojem pokušavamo da prepoznamo rizik pre nego što dođe do klinički značajne rekurence.
Autor: ass.dr Miroslav Jeremić