اخبار

هوش مصنوعی و تاثیر آن در چشم پزشکی

نرم افزار هوش مصنوعی که به عنوان ابزار غربالگری استفاده می شود، ممکن است ارجاع به متخصصین چشم را تسریع کند

به نقل از واحد خبر کلینیک جوان، بر اساس یک مطالعه آزمایشی ارائه شده، مشخص شد که هوش مصنوعی (AI) ابزاری قابل اعتماد برای غربالگری بیماران از نظر رتینوپاتی دیابتی (DR) است. این روش به میزان قابل توجهی با استاندارد طلایی تشخیص حضوری و معاینه چشمی که دارای مشکل دور بینی است، مطابقت دارد. در نشست سالانه انجمن تحقیقات در بینایی و چشم پزشکی که از 1 تا 4 می در دنور برگزار شد. اریک کوکلینسکی، دانشجوی پزشکی در دانشکده پزشکی راتگرز نیوجرسی در نیوآرک، به اخبار پزشکی Elsevier’s PracticeUpdate گفت: «هوش مصنوعی قابلیت‌های تله چشمی ( عکسبرداری از راه دور ) را گسترش می‌دهد. همچنین باید به این نکته توجه کرد که هوش مصنوعی در مواردی که بیمار به فوریت های پزشکی نیاز دارد و به ویژه در مواقع پر استرس پزشکی مانند یک بیماری همه گیر منبع بسیار ارزشمندی است که امکان عکسبرداری چشمی از راه دور را برای چشم پزشک فراهم می کند.»

کوکلینسکی و همکارانش توانایی نرم افزار هوش مصنوعی را در مقابل دو روش تشخیص رتینوپاتی دیابتی که شامل معاینه چشم و عکسبرداری از راه دور و معاینه حضوری توسط متخصص شبکیه بود را ارزیابی کردند. نمونه مورد نظر در این پژوهش شامل 40 بیمار (میانگین سن، 1/55 سال) که به یک کلینیک شبکیه چشم مراجعه کرده بودند بود. این 40 نفر طی یک بازدید حضوری که قبل از شروع پژوهش به کلینیک داشتند با استفاده از عکسبرداری شبکیه چشم بیماری رتینوپاتی دیابتی در آنان تشخیص داده شده بود. عکسبرداری از شبکیه که توسط نرم افزار هوش مصنوعی انجام میگرفت به سه دسته رتینوپاتی دیابتی خفیف، رتینوپاتی دیابتی متوسط و رتینوپاتی دیابتی شدید تقسیم شده بود. علاوه بر این تصاویری که از راه دور توسط نرم افزارهای هوش مصنوعی گرفته شده بود نیز  توسط یک متخصص شبکیه درجه بندی شدند تا مشخص شود که آیا درجه بندی و شدت بیماری که توسط نرم افزار هوش مصنوعی انجام شده درست بوده است یا خیر.

هوش مصنوعی و چشم پزشکی
هوش مصنوعی و چشم پزشکی

همچنین در پژوهشی دیگر محققان دریافتند که در بین 80 نفری که مورد مطالعه قرار داده بودند، 33 نفر آنها بدون بیماری رتینوپاتی دیابتی ، 5 نفر مبتلا به رتینوپاتی دیابتی غیر تکثیری خفیف، 9 نفر مبتلا به رتینوپاتی دیابتی غیر تکثیری متوسط، 3 نفر مبتلا به رتینوپاتی دیابتی غیر تکثیری شدید، 7 نفر مبتلا به رتینوپاتی دیابتی تکثیری و 23 نفر نیز به رتینوپاتی دیابتی تکثیری پسرفته تشخیص داده شدند. منظور از مرحله غیر تکثیری و تکثیری رتینوپاتی دیابتی این است که در مرحله غیر تکثیری هنوز رگ های خونی چشم به شدت آسیب ندیده اند ودر صورت تشخیص و درمان به موقع می توان از پیشرفت بیماری جلوگیری کرد. اما در مرحله تکثیری به دلیل بالا بودن قند خون و آسیبی که به رگ های خونی وارد می شود خونرسانی به شبکیه قطع می شود و بدن با ایجاد رگ های خونی جدید سعی در رفع این مشکل می کند که همین امر خود باعث ایجاد اسکار در شبکیه می شود و ممکن است خطرات جدی برای فرد به دنبال داشته باشد.

نتایج به دست آمده در زمینه توافق بر سر تشخیص حضوری در مقابل عکسبرداری چشم از راه دور توسط نرم افزارهای هوش مصنوعی شامل 751/0 در تشخیص حضوری و  در مقابل 883/0 در تشخیص از راه دور و از طریق نرم افزار هوش مصنوعی بود.

کوکلینسکی به اخبار پزشکی Elsevier’s PracticeUpdate گفت: «این پژوهش به القای اعتماد به توانایی هوش مصنوعی در تشخیص رتینوپاتی دیابتی در موقعیت های واقعی کمک می کند. ادغام فناوری هوش مصنوعی در عکسبرداری از راه دور امکان تشخیص سریع این بیماری را حتی در مواردی که ممکن است خونریزی های ظریف چشمی نیز از چشم متخصصین پنهان بماند را نشان می دهد. با استفاده از این نوع فناوری می توان صدها مورد از اشخاصی را که مبتلا به این بیماری هستند را شناسایی کرد. » با این حال، کوکلینسکی خاطرنشان کرد، به دلیل اینکه تعداد بالای تصاویری که از طریق عکسبرداری از راه دور یا همان هوش مصنوعی گرفته می شود قابل تجزیه و تحلیل نیستند، به پیشرفت‌هایی در این فناوری نیاز است.

کوکلینسکی گفت: «هوش مصنوعی ممکن است به یک ابزار مراقبتی تبدیل شود که به بیماران امکان می دهد به راحتی از نظر رتینوپاتی دیابتی در کلینیک های پزشکی یا در کلینیک هایی که چشم پزشکان برای ارجاع به موقع به متخصص شبکیه حضور ندارند، غربالگری شوند. هوش مصنوعی می تواند ابزاری کارآمد برای تریاژ بیمارانی باشد که نیاز به مداخله فوری بالینی دارند و در طول زمان می توان از ابزار پیگیری خودکار با استفاده از تحلیل روند برای ارزیابی پیشرفت بیمار استفاده کرد.»

منابع:

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا