پیشبینی نابینایی با کمک هوش مصنوعی
سالها پیش از تشخیص معمول پزشکان پژوهشگران در انگلستان موفق شدند با استفاده از اسکنهای شبکیه و دادههای دیگر، با کمک هوش مصنوعی تشخیص دهند که کدام بیماران مبتلا به «کراتوکونوس» به درمان زودهنگام نیاز دارند تا از افت بینایی جلوگیری شود، و کدام بیماران را میتوان تنها تحت نظارت نگه داشت. این میتواند به کاهش عملهای جراحی ترانسپلنت قرنیه کمک کند.
هوش مصنوعی اکنون میتواند پیشبینی کند کدام بیماران مبتلا به کراتوکونوس (قوز قرنیه) به درمان فوری قرنیه نیاز دارند، پیش از آنکه آسیب برگشتناپذیر ایجاد شود. این پیشرفت میتواند بینایی افراد را نجات دهد، نیاز به پیوند قرنیه را کاهش دهد و آیندهی مراقبتهای چشمی را متحول سازد.
پژوهشگران با موفقیت از هوش مصنوعی برای پیشبینی اینکه کدام بیماران به درمانی برای تثبیت قرنیه و حفظ بینایی نیاز دارند استفاده کردهاند. این مطالعه امروز (یکشنبه) در چهلوسومین کنگره انجمن اروپایی جراحان آب مروارید و جراحی انکساری (ESCRS) ارائه شد.
این تحقیق بر بیماران مبتلا به کراتوکونوس تمرکز داشت؛ اختلالی که معمولاً در نوجوانی یا اوایل جوانی ایجاد میشود و با گذر زمان بدتر میگردد. این بیماری حدود ۱ نفر از هر ۳۵۰ نفر را تحت تأثیر قرار میدهد. در برخی موارد میتوان آن را با لنزهای تماسی کنترل کرد، اما در موارد دیگر به سرعت پیشرفت میکند و در صورت عدم درمان، بیمار ممکن است به پیوند قرنیه نیاز داشته باشد. در حال حاضر تنها راه تشخیص نیاز به درمان، پیگیری بیمار در طول زمان است.
محققان با استفاده از هوش مصنوعی، تصاویر چشم بیماران را همراه با دادههای دیگر تحلیل کرده و توانستند پیشبینی کنند چه کسانی به درمان فوری نیاز دارند و چه کسانی میتوانند تحت پایش باقی بمانند.
این مطالعه توسط دکتر شفیع بالال و همکارانش در بیمارستان چشم مورفیلدز (NHS Foundation Trust) و کالج دانشگاهی لندن (UCL) انجام شد. او گفت: «در بیماران مبتلا به کراتوکونوس، قرنیه – پنجره جلویی چشم – به سمت بیرون برآمده میشود. کراتوکونوس باعث اختلال بینایی در بیماران جوان و در سن کار میشود و شایعترین دلیل پیوند قرنیه در جهان غرب است.
یک درمان واحد به نام “کراسلینکینگ” (پیوند متقاطع) میتواند جلوی پیشرفت بیماری را بگیرد. اگر پیش از ایجاد اسکار (جوشگاه) دائمی انجام شود، اغلب مانع نیاز به پیوند قرنیه خواهد شد. اما در حال حاضر پزشکان نمیتوانند پیشبینی کنند چه بیمارانی دچار پیشرفت بیماری میشوند و نیاز به درمان دارند و چه کسانی با پایش تنها پایدار میمانند. این یعنی بیماران باید سالها بهطور مکرر تحت نظر باشند و درمان معمولاً زمانی انجام میشود که بیماری از قبل پیشرفت کرده است.»
در این مطالعه گروهی از بیماران که برای بررسی و پایش کراتوکونوس به بیمارستان مورفیلدز ارجاع داده شده بودند، تحت اسکن OCT (تصویربرداری مقطعی نوری) از جلوی چشم قرار گرفتند. پژوهشگران ۳۶,۶۷۳ تصویر OCT از ۶,۶۸۴ بیمار مختلف را همراه با سایر دادههای بیماران بررسی کردند.
الگوریتم هوش مصنوعی توانست تنها با استفاده از دادههای اولین مراجعه، بهطور دقیق پیشبینی کند وضعیت بیمار رو به وخامت میرود یا پایدار میماند. با این روش، پژوهشگران توانستند دوسوم بیماران را در گروه کمخطر (نیازمند پایش) و یکسوم دیگر را در گروه پرخطر (نیازمند درمان فوری کراسلینکینگ) دستهبندی کنند. هنگامی که اطلاعات مراجعه دوم نیز وارد شد، دقت دستهبندی تا ۹۰٪ افزایش یافت.
درمان کراسلینکینگ با استفاده از نور فرابنفش و قطره ویتامین B2 (ریبوفلاوین) برای سختتر کردن قرنیه انجام میشود و در بیش از ۹۵٪ موارد موفقیتآمیز است.
