علت نابینایی در دوران نوزادی چگونه تشخیص داده می‌شود؟

 

مجله علمی ایلیاد - محققان می‌گویند که هوش‌مصنوعی در تشخیص علت نابینایی نوزادان نارس، دقیق‌تر از تشخیص متخصصین است. محققان دانشکده‌ی بهداشت دانشگاه اورگان و بیمارستان عمومی ماساچوست، به بررسی این موضوع پرداختند که چگونه الگوریتمی کامل می‌تواند با استفاده از تصویر چشم نوزادان نارس، بیماری شبکیه‌ی چشم این نوزادان را با دقت ۹۱ درصد تشخیص دهد.

یافته‌های آن‌ها اخیراً در مجله‌ی انجمن چشم پزشکی آمریکا منتشر شد. «رتینوپاتی» یا بیماری شبکیه‌ی چشم نوزادان نارس که به «ROP» نیز معروف است، اختلالی است که به علت رشد غیرطبیعی رگ‌های خونی اطراف شبکیه یعنی همان بخش حساس به نوری که در پشت چشم قرار گرفته، در نوزادان نارس قبل از هفته سی و یکم بارداری رخ می‌دهد.

اختلال ROP عامل اصلی نابینایی در این کودکان است. طبق گفته‌ی موسسه‌ی ملی چشم آمریکا، سالانه چیزی در حدود ۱۶،۰۰۰ کودک در ایالات متحده به ROP مبتلا می‌شوند و تقریباً ۶۰۰ نفر از آن‌ها به‌طور کامل بینایی خود را از دست می‌دهند.

دکتر «مایکل چایانگ»، استاد چشم‌پزشکی و اپیدمیولوژی بالینی دانشکده‌ی پزشکی OHSU و چشم‌پزشک متخصص اطفال، در این خصوص گفت: «کمبود تعداد چشم‌پزشکان آموزش دیده که بتوانند ROP را تشخیص دهند به وضوح حس می‌شود. این امر، خلل زیادی را در زمینه‌ی مراقبتی، حتی در ایالات متحده ایجاد کرده و متأسفانه این اختلال در بسیاری از کودکان سراسر جهان تشخیص داده نمی‌شود.

برای تشخیص این وضعیت، پزشکان معمولاً از دستگاه بزرگنمایی استفاده می‌کنند که نور را به سمت مردمک چشم گشاد شده‌ی کودک می‌تاباند. با این وجود، این روش می‌تواند نتایج نادرستی را به همراه داشته باشد، زیرا بیشتر معاینه‌ای ذهنی است. در این مطالعه، گروهی متشکل از هشت پزشک دارای تخصص ROP به درستی اختلال موجود در ۸۲ درصد از تصاویر ارائه شده از چشم کودکان نارس را تشخیص دادند که ۹ درصد کمتر از روش هوش‌مصنوعی بود.

داده ها از ژوئیه‌ی ۲۰۱۱ تا دسامبر ۲۰۱۶ جمع‌آوری گردیدند. دکتر «جیاشری کلپتی»، از مرکز تصویربرداری بیومدیکال بیمارستان عمومی ماساچوست و استاد دانشکده‌ی رادیولوژی دانشکده‌ی پزشکی هاروارد در رابطه با این روش می‌گوید: «این الگوریتم، دانش چشم‌پزشکان متخصص در عرصه‌ی تشخیص ROP را با مدل ریاضیاتی ترکیب کرده، بنابراین پزشکانی که دارای دانش کافی در این زمینه باشند، می‌توانند در تشخیص این بیماری به کودکان کمک کنند.»

اخیراً، اداره‌ی غذا و داروی آمریکا تایید کرد که هوش‌مصنوعی می‌تواند رتینوپاتی دیابتی را با شبیه‌سازی چگونگی درک جهان از طریق بینایی تشخیص دهد. در مطالعه‌ای بالینی،دستگاه IDx-DR به درستی وجود رتینوپاتی دیابتی خفیف را در ۸۷.۴ درصد از موارد و عدم وجود رتینوپاتی دیابتی ملایم را در ۸۹.۵ درصد از موارد تشخیص داد.

در تحقیق جدید، محققان بیمارستان عمومی ماساچوست، دو الگوی موجود در زمینه‌ِ‌ی هوش‌مصنوعی را برای ایجاد الگوریتمی مناسب ترکیب کردند. محققان OHSU استانداردهای لازم را برای آموزش این دستگاه طراحی کردند. رایانه‌های هوش‌مصنوعی برای بررسی ۵،۵۱۱ تصویر به‌دست آمده از چشم نوزادان نارس که توسط چشم‌پزشکان ارائه شده بود، آموزش دیدند. سپس به آن‌ها آموزش داده شد تا اختلاف بین عروق سالم و بیمار را تشخیص دهند. پس از آن، محققان دقت الگوریتم را به وسیله‌ی متخصص آموزش دیده که تصاویر مشابه را مشاهده می‌کرد، برآورد کردند.

در حال حاضر، محققان با همکاری موسسات علمی هند در حال آزمایش این الگوریتم هستند تا ببینند که آیا این الگوریتم می‌تواند ROP را در نوزادان هندی تشخیص دهد یا خیر؟ علاوه بر این، آن‌ها در حال بررسی این موضوع هستند که آیا این الگوریتم می‌تواند مشکلات دیگر قسمت‌های شبکیه را که در نزدیکی عروق قرار دارند، تشخیص دهد؟ محققان این مطالعه بیان داشتند: «این نتایج ممکن است راه را برای تشخیص سریع ROP در آینده هموار سازد و به‌طور گسترده‌ای به سایر زمینه‌های پزشکی که عمدتاً مبتنی بر تشخیصی ذهنی هستند راه یابد.»

 

نوشته: بروکس های
ترجمه: سهیلا دوست‌پژوه - مجله علمی ایلیاد

منبع: upi.com