پیشرفت هوش مصنوعی در تشخیص علت اصلی نابینایی دوران کودکی

این تیم یک مدل هوش مصنوعی یادگیری عمیق ایجاد کرد که می‌تواند تشخیص دهد کدام نوزادان در معرض خطر ROP دارند که در صورت درمان نشدن ممکن است منجر به نابینایی شود، و امیدوارند تکنیک آنها بتواند دسترسی به غربالگری را در بسیاری از مناطق با خدمات محدود نوزادان و تعداد کمی از چشم پزشکان آموزش دیده بهبود بخشد.

این مطالعه توسط یک تیم بین‌المللی از دانشمندان و پزشکان در بریتانیا، برزیل، مصر و ایالات متحده، با حمایت مرکز تحقیقات بیومدیکال انستیتوی ملی تحقیقات بهداشت و مراقبت (NIHR) در بیمارستان چشم مورفیلدز بنیاد NHS و موسسه چشم پزشکی UCL انجام شد. ، منتشر شده است در سلامت دیجیتال Lancet.

دکتر کنستانتینوس بالاسکاس (مدیر مرکز خواندن چشمی مورفیلد و آزمایشگاه هوش مصنوعی بالینی، بیمارستان چشم مورفیلد و دانشیار موسسه چشم پزشکی UCL) گفت: “رتینوپاتی نارس بودن به طور فزاینده ای رایج می شود زیرا میزان بقای نوزادان نارس در سراسر جهان بهبود می یابد. و اکنون علت اصلی نابینایی دوران کودکی در کشورهای با درآمد متوسط ​​و در ایالات متحده است.”

“حدود 30 درصد از نوزادان در جنوب صحرای آفریقا دارای درجاتی از ROP هستند و در حالی که درمان‌ها در حال حاضر به راحتی در دسترس هستند، اگر به سرعت تشخیص داده نشود و درمان نشود، می‌تواند باعث کوری شود. این اغلب به دلیل کمبود متخصصان مراقبت از چشم است. اما با توجه به اینکه قابل تشخیص و درمان است، هیچ کودکی نباید از ROP کور شود.”

با رایج‌تر شدن این امر، بسیاری از مناطق چشم پزشکان آموزش دیده کافی برای غربالگری همه کودکان در معرض خطر ندارند؛ ما امیدواریم که تکنیک ما برای تشخیص خودکار ROP دسترسی به مراقبت در مناطق محروم را بهبود بخشد و از نابینایی هزاران نوزاد در سراسر جهان جلوگیری کند. ”

ROP وضعیتی است که عمدتاً نوزادان نارس را تحت تأثیر قرار می دهد، جایی که عروق خونی غیرطبیعی در شبکیه رشد می کنند، لایه نازکی از سلول های عصبی در پشت چشم که نور را به سیگنال هایی تبدیل می کند که مغز می تواند تشخیص دهد. این رگ‌های خونی می‌توانند نشت یا خونریزی کنند و به شبکیه آسیب بزنند و احتمالاً منجر به جدا شدن شبکیه شوند. در حالی که اشکال خفیف تر ROP نیازی به درمان ندارند، فقط نظارت دارند، موارد حادتر نیاز به درمان فوری دارند. تخمین زده می شود که 50000 کودک در سراسر جهان به دلیل آن نابینا هستند.

علائم ROP را نمی توان با چشم غیرمسلح مشاهده کرد، به این معنی که تنها راه تشخیص این بیماری، نظارت بر نوزادان در معرض خطر با معاینه چشم است. بدون زیرساخت مناسب برای مراقبت های جامع دوران بارداری و پس از زایمان، پنجره باریک غربالگری و درمان ممکن است از دست رفته و منجر به نابینایی قابل پیشگیری شود.

تیم UCL-Moorfields یک مدل هوش مصنوعی یادگیری عمیق را برای غربالگری ROP ایجاد کرده است که بر روی نمونه ای از 7414 تصویر از چشمان 1370 نوزادی که در بیمارستان هومرتون لندن بستری شده بودند و توسط چشم پزشکان از نظر ROP ارزیابی شده بود، آموزش داده شده است. این بیمارستان به جامعه‌ای از لحاظ قومیتی و اقتصادی-اجتماعی متنوع خدمت می‌کند، که مهم است زیرا ROP می‌تواند بین گروه‌های قومی متفاوت باشد، بنابراین این ابزار برای کار ایمن در میان گروه‌های قومی مختلف آموزش داده شد تا اطمینان حاصل شود که همه می‌توانند از آن بهره ببرند.

سپس عملکرد این ابزار بر روی 200 تصویر دیگر ارزیابی شد و با ارزیابی های چشم پزشکان ارشد مقایسه شد.

محققان ابزار خود را با استفاده از آن بر روی مجموعه داده‌هایی که از ایالات متحده، برزیل و مصر تهیه شده بودند، اعتبارسنجی کردند.

ابزار هوش مصنوعی به اندازه چشم پزشکان ارشد اطفال در تشخیص تصاویر طبیعی شبکیه از آنهایی که ROP دارند که می تواند منجر به نابینایی شود، موثر است.

در حالی که این ابزار برای یک جمعیت بریتانیایی بهینه شده بود، محققان می گویند امیدوار کننده است که آن ها همچنان در قاره های دیگر موثر است و اضافه می کنند که همچنان می تواند برای محیط های دیگر بهینه شود. این ابزار به عنوان یک پلت فرم یادگیری عمیق بدون کد توسعه یافته است، به این معنی که می تواند در تنظیمات جدید توسط افراد بدون تجربه قبلی کدنویسی بهینه شود.

نویسنده اول، دکتر زیگفرید واگنر (موسسه چشم پزشکی UCL و بیمارستان چشم مورفیلدز) گفت: “یافته های ما تحقیقات مداوم ابزارهای هوش مصنوعی را برای غربالگری ROP توجیه می کند. ما اکنون ابزار خود را در چندین بیمارستان در بریتانیا اعتبار سنجی بیشتری می کنیم و به دنبال این هستیم که یاد بگیرید که مردم چگونه با خروجی های هوش مصنوعی تعامل می کنند تا بفهمید چگونه می توانیم این ابزار را در تنظیمات بالینی دنیای واقعی بگنجانیم.”

ما امیدواریم که این ابزار به یک پرستار آموزش دیده کمک کند تا تصاویری را بگیرد که می تواند توسط ابزار هوش مصنوعی ارزیابی شود تا بدون نیاز به چشم پزشک برای بررسی دستی اسکن ها، ارجاع به درمان انجام شود.

ابزارهای هوش مصنوعی به ویژه در چشم‌پزشکی مفید هستند، رشته‌ای که به شدت به تفسیر دستی و تجزیه و تحلیل اسکن‌ها برای تشخیص و نظارت وابسته است – در اینجا شواهد بیشتری پیدا کردیم که نشان می‌دهد هوش مصنوعی می‌تواند بازی را تغییر دهد و دسترسی به آن را باز کند. درمان‌های حفظ بینایی».