视网膜疾病的症状和严重程度各不相同。如果不及时治疗，一些疾病会导致严重的视力丧失，甚至失明。积极治疗和预防的重要性至关重要;但并不是每个人都有平等的机会。特别是在第三世界国家，一个关键问题是公众无法获得专业医疗服务。即使设备在那里，解释测试结果并获得正确诊断和预后所需的专业知识也可能不存在。

对于视网膜疾病，这是一个严重的问题。准确诊断和解释测试结果特别困难，尤其是对于没有经验的医生。

PixelPlex 是一家专注于区块链、人工智能 (AI) 和物联网 (IoT) 技术等的开发和咨询公司，它意识到，通过与医疗机构的联系，它或许能够提供帮助。“我们意识到我们实际上可以将 AI 用于自动诊断辅助工具，”PixelPlex 咨询主管 Alex Dolgov 解释说。

AIRA，人工智能视网膜分析仪，就是结果。作为模式识别用例，人工智能是显而易见的解决方案。虽然神经网络最终不会比医学专家做出更好的诊断，但人工智能不可否认的优势在于分析大型数据集，以及评估特定数字的筛查结果。AIRA 可以帮助医生获得更准确的数据以进行进一步的工作。

PixelPlex 最初获得了包含来自眼底相机的图像的“大量”数据，其中包含人眼的各种症状和解剖结构，例如渗出液、出血和退行性视网膜变化、血管和视神经病变。该公司从后来的研究中添加了自己的数据集，用于神经网络训练。

“我们创建了自己的数据集，这是一个相当大的挑战，在合格的医疗专业人员的帮助下，创建了 UI 数据集，该数据集训练 AI 检测各种疾病和其他缺陷，仅基于眼底相机拍摄的照片， ”多尔戈夫说。

该模型架构基于 U-Net 的变体，U-Net 是一种为生物医学图像分割而开发的卷积神经网络。这些变体包括 LinkNet(一种用于语义分割的轻型深度神经网络架构)和 Dilated U-Net，后者已用于评估某些器官癌症风险的其他举措。

由 PixelPlex 创建的软件发送和分析眼底相机拍摄的照片。经过训练的神经网络能够识别信息以确定诊断，然后向医务人员提供该信息。

“这些图像的来源，对它们进行分析，根据照片提供医学诊断，然后创建这个数据集——这是最大的挑战，”多尔戈夫说。

目前，该解决方案的运行准确率约为 85%。但是，该项目仍在积极开发中，希望将其提高到至少 95%。同样值得注意的是，预防胜于治疗。PixelPlex 指出 AIRA 将能够以普通医生无法做到的高精度发现疾病症状，并在以后创建数学模型以进一步增强神经网络分析过程。