I vardagsspråket känd som månblindhet, är equine recurrent uveit (ERU) en inflammatorisk ögonsjukdom hos hästar, som kan leda till blindhet eller förlust av det drabbade ögat. Det är en av de vanligaste ögonsjukdomarna hos hästar och har stor ekonomisk påverkan. Korrekt och snabb diagnos är mycket viktigt för att minimera bestående skador.

Ett team under ledning av professor Anna May från LMU Equine Clinic har utvecklat och tränat ett verktyg för djupinlärning som på ett tillförlitligt sätt känner igen sjukdomen och kan stödja veterinärläkare i att ställa diagnoser, vilket forskarna rapporterar i en aktuell studie.

I en onlineundersökning bad forskarna cirka 150 veterinärer att utvärdera 40 bilder. Bilderna visade en blandning av friska ögon, ögon med ERU och ögon med andra sjukdomar. Genom att arbeta utifrån bildanalyser fick verktyget för djupinlärning i uppdrag att utvärdera samma foton.

Därefter jämförde May veterinärernas resultat med AI:s resultat. Hon upptäckte att veterinärläkare specialiserade på hästar tolkade bilderna rätt 76 procent av gångerna, medan de återstående veterinärerna från små djur eller blandade kliniker hade rätt 67 procent av tiden.

"Med verktyget för djupinlärning var sannolikheten att få ett korrekt svar 93 procent", säger May. "Även om skillnaderna inte var statistiskt signifikanta, visar de ändå att AI på ett tillförlitligt sätt känner igen en ERU och har stor potential som ett verktyg för att stödja veterinärläkare."

Verktyget är webbappbaserat och enkelt att använda. Allt du behöver är en smartphone. "Det är inte menat att ersätta veterinärer men det kan hjälpa dem att nå rätt diagnos. Det är särskilt värdefullt för mindre erfarna proffs eller för hästägare i regioner där det finns få veterinärer", betonar May.

Genom tidig upptäckt av ERU kan drabbade hästar snabbare få lämplig behandling, vilket kan vara avgörande för att bromsa sjukdomsförloppet och rädda de drabbade ögonen.

Verket publiceras i Equine Veterinary Journal .

Mer information: Annabel Scharre et al, Jämförelse av veterinärer och ett verktyg för djupinlärning vid diagnos av ögonsjukdomar hos hästar, Equine Veterinary Journal (2024). DOI:10.1111/evj.14087

Tillhandahålls av Ludwig Maximilian University of München