امروزه کلینیک‌های چشم‌پزشکی از فناوری‌های پیشرفته تصویربرداری استفاده می‌کنند که به پزشکان امکان می‌دهد بدون جراحی، تزریق یا ایجاد ناراحتی، بخش‌های عمیق چشم را بررسی کنند.

این اسکن‌ها می‌توانند تغییرات بسیار ظریف شبکیه را آشکار کنند، بافتی حساس به نور در پشت چشم که نقش اصلی را در بینایی دارد. از آنجا که بسیاری از بیماری‌های چشمی به‌تدریج پیشرفت می‌کنند و در مراحل اولیه علائم اندکی دارند، این فناوری به ابزاری مهم برای حفظ سلامت بینایی تبدیل شده است.

یکی از رایج‌ترین روش‌های تصویربرداری، «توموگرافی انسجام نوری» (OCT) نام دارد. این فناوری تصاویر سه‌بعدی بسیار دقیقی از شبکیه و عصب بینایی تولید می‌کند. هر اسکن می‌تواند صدها تصویر از لایه‌های مختلف چشم ایجاد کند و جزئیات قابل‌توجهی را در اختیار پزشکان قرار دهد.

پزشکان از این تصاویر برای تشخیص بیماری‌هایی مانند آب‌سیاه (گلوکوم)، بیماری‌های چشمی ناشی از دیابت و دژنراسیون ماکولای وابسته به سن استفاده می‌کنند، بیماری که یکی از مهم‌ترین علل نابینایی در سالمندان به شمار می‌رود.

با وجود ارزش بالای این تصاویر، حجم عظیم داده‌های تولیدشده چالش مهمی ایجاد می‌کند. بررسی صدها تصویر برای هر بیمار زمان‌بر است و گاهی تشخیص نشانه‌های ظریف بیماری را دشوار می‌سازد. با افزایش تعداد بیماران، پژوهشگران به دنبال راه‌هایی برای کمک به پزشکان در تحلیل سریع‌تر و دقیق‌تر این اطلاعات بوده‌اند.

گروهی از پژوهشگران دانشکده پزشکی دانشگاه واشنگتن در سنت‌لوئیس با همکاری دانشمندان دانشگاه واشنگتن و شرکت «ژننتک» (Genentech)، سیستم جدیدی مبتنی بر هوش مصنوعی توسعه داده‌اند که می‌تواند این مشکل را برطرف کند.

این فناوری که OCTCube-M نام دارد، برای تحلیل اسکن‌های سه‌بعدی چشم طراحی شده و قادر است نشانه‌های بیماری را سریع‌تر و دقیق‌تر از سیستم‌های رایج شناسایی کند.

هوش مصنوعی پیش از این نیز توانایی خود را در تحلیل تصاویر پزشکی نشان داده بود. این سیستم‌ها می‌توانند تعداد زیادی تصویر را بسیار سریع‌تر از انسان بررسی کرده و الگوهایی را تشخیص دهند که ممکن است با چشم غیرمسلح قابل مشاهده نباشند اما بیشتر سیستم‌های قبلی بر تصاویر دوبعدی تکیه داشتند.

پژوهشگران معتقدند که شبکیه، ساختاری سه‌بعدی دارد و بسیاری از بیماری‌ها در چندین لایه بافتی گسترش می‌یابند، بنابراین آموزش هوش مصنوعی با استفاده از اسکن‌های کامل سه‌بعدی می‌تواند تصویر دقیق‌تری از وضعیت چشم ارائه دهد.

آنان برای توسعه این سیستم، بیش از ۲۶ هزار اسکن چشم شامل بیش از یک میلیون و ۶۰۰ هزار تصویر شبکیه را برای آموزش هوش مصنوعی به کار گرفتند. این مجموعه داده عظیم به سیستم کمک کرد تا ویژگی‌های شبکیه سالم و بیمار را در افراد مختلف و با دستگاه‌های گوناگون بیاموزد.

نتایج بسیار امیدوارکننده بود و این سیستم در مقایسه با سیستم‌های قدیمی مبتنی بر تصاویر دوبعدی در تشخیص ۶ مورد از هشت بیماری اصلی شبکیه عملکرد بهتری داشت.

این پیشرفت می‌تواند به شناسایی ده‌ها مورد بیماری بیشتر در هر ۱۰۰۰ بیمار منجر شود. تشخیص زودهنگام معمولا به معنای آغاز سریع‌تر درمان است، موضوعی که می‌تواند از آسیب‌های دائمی پیشگیری کرده و به حفظ بینایی کمک کند.

این سیستم همچنین در پیش‌بینی روند پیشرفت «آتروفی جغرافیایی» عملکرد چشمگیری نشان داد. این بیماری شکل پیشرفته‌ای از دژنراسیون ماکولای وابسته به سن است که میلیون‌ها نفر را در سراسر جهان درگیر کرده و گزینه‌های درمانی محدودی برای آن وجود دارد.

توانایی پیش‌بینی سرعت پیشرفت بیماری می‌تواند به پزشکان در انتخاب روش‌های درمانی مناسب‌تر و همچنین طراحی کارآزمایی‌های بالینی موثرتر کمک کند.  اما شاید شگفت‌انگیزترین یافته پژوهش کنونی این بود که هوش مصنوعی توانست خطر ابتلا به بیماری‌هایی خارج از چشم را نیز شناسایی کند.

پژوهشگران دریافتند تصاویر شبکیه حاوی اطلاعات ارزشمندی درباره وضعیت رگ‌های خونی سراسر بدن هستند. از آنجا که رگ‌های خونی شبکیه شباهت زیادی به رگ‌های قلب، مغز و کلیه دارند، تغییرات مشاهده‌شده در چشم می‌تواند بازتابی از مشکلات سایر اندام‌ها باشد.

نوریج گزارش کرد، این سیستم فقط با استفاده از تصاویر شبکیه توانست خطر بروز بیماری‌هایی مانند حمله قلبی، سکته مغزی و نارسایی کلیه را برآورد کند. این یافته احتمال آن را مطرح می‌کند که در آینده یک معاینه ساده چشم بتواند بیماری‌های جدی را پیش از ظهور علائم آشکار شناسایی کند.

پژوهشگران در ادامه با ترکیب اسکن‌های «توموگرافی انسجام نوری» و دو روش تصویربرداری دیگر، عملکرد سیستم را بیش از پیش ارتقا دادند. این ترکیب اطلاعات، درک دقیق‌تری از سلامت چشم فراهم کرد و در پیش‌بینی پیشرفت آتروفی جغرافیایی، نزدیک به ۵۰ درصد بهتر از روش‌های موجود عمل کرد.

آنان قصد دارند با استفاده از مجموعه داده‌های بزرگ‌تر و انواع بیشتری از تصاویر پزشکی، این سیستم را بیش از پیش توسعه دهند. هدف نهایی پژوهشگران کمک به تشخیص زودهنگام بیماری‌ها، شخصی‌سازی درمان‌ها و تسریع توسعه روش‌های درمانی جدید است.

این یافته‌ها نشان می‌دهد اسکن‌های چشمی در آینده فقط ابزاری برای ارزیابی بینایی نخواهند بود. شاید یک معاینه ساده چشم بتواند اطلاعات ارزشمندی درباره سلامت عمومی بدن در اختیار پزشکان قرار دهد و به تشخیص زودهنگام بیماری‌های خطرناک کمک کند.

نتایج این پژوهش در نشریه Nature Biomedical Engineering منتشر شده است.

انتهای پیام