بر اساس مطالعه اخیر منتشر شده در Nature Communications یک تیم تحقیقاتی از مرکز کودکان جان هاپکینز دریافتند که استفاده از ابزار هوش مصنوعی (AI) برای غربالگری جمعیت جوانان از نظر بیماری چشم دیابتی (DED) موجب میشود افراد بیشتری تحت پوشش معاینات غربالگری قرار گیرند. به طور خاص، محققان این فرضیه را مطرح کردند که هوش مصنوعی میزان غربالگری و پیگیری رتینوپاتی دیابتی را در گروهی از کودکان و نوجوانان از نظر نژادی و قومی افزایش میدهد.
رتینوپاتی دیابتی زمانی رخ می دهد که سطح قند خون به خوبی کنترل نشود و منجر به آسیب بافتها و رگهای خونی در شبکیه شود. به نوبه خود، رتینوپاتی دیابتی میتواند منجر به از دست دادن دائمی بینایی و نابینایی شود.
تیم تحقیقاتی خاطرنشان کرد که شیوع DED به طور معمول در بیماران زیر ۲۱ سال کمتر است، اما رتینوپاتی دیابتی بین ۴ تا ۹ درصد از جوانان مبتلا به دیابت نوع ۱ و حدود ۴ تا ۱۵ درصد از جوانان مبتلا به دیابت نوع ۲ مشاهده میشود.
معاینات منظم چشم برای غربالگری DED می تواند به شناسایی وجود بیماری و تسهیل درمان قبل از پیشرفت بیماری کمک کند، اما موانعی برای غربالگری وجود دارد.
متخصصان معاینه سالانه چشم را برای جوانان دیابتی توصیه می کنند. با این حال، این معاینات اغلب نیاز به مراجعه جداگانه به یک ارائه دهنده مراقبت از چشم و استفاده از قطرههای چشمی برای گشاد کردن مردمکها قبل از غربالگری دارند.
این شرایط باعث میشود که گروهی از کودکان و نوجوانان دیابتی موفق به انجام معاینات غربالگری چشم نشوند.
تلاشهای محققان در زمینه غربالگری DED نشان داد که هوش مصنوعی میتواند با موفقیت برای تشخیص بیماریهای چشم دیابتی استفاده شود. این ابزار از یک دوربین برای گرفتن چهار عکس از پشت چشم بدون نیاز به اتساع استفاده میکند. سپس این تصاویر به هوش مصنوعی داده میشود که آنها را برای تعیین وجود یا عدم وجود رتینوپاتی دیابتی تجزیه و تحلیل میکند. در صورت وجود عارضه، بیمار را می توان برای پیگیری به اپتومتریست یا چشم پزشک ارجاع داد.
برای ارزیابی تأثیر هوش مصنوعی بر میزان غربالگری، محققان دادههایی را از بیماران ۸ تا ۲۱ ساله که بین ۲۴ نوامبر ۲۰۲۱ تا ۶ ژوئن ۲۰۲۲ در مرکز دیابت کودکان جانز هاپکینز دریافت کرده بودند، جمعآوری کردند.
گروه شامل ۱۶۴ بیمار بود. هر شرکتکننده بهطور تصادفی به یکی از دو گروه تقسیم شدند: گروه اول، که شامل ۸۳ بیمار بود، دستورالعملهای غربالگری و مراقبتهای استاندارد را دریافت کردند، پس از آن برای معاینه چشم به اپتومتریست یا چشمپزشک ارجاع شدند. در گروه دوم ۸۱ نفری، هر کدام یک معاینه ۵ تا ۱۰ دقیقه ای چشم دیابت با ابزار هوش مصنوعی طی یک ویزیت استاندارد از متخصصان غدد خود انجام دادند که طی آن نتایج معاینه را نیز دریافت کردند.
تیم تحقیقاتی دریافت که همه بیماران در گروه غربالگری هوش مصنوعی معاینات خود را به پایان رساندند، در حالی که تنها ۲۲ درصد از بیماران گروه غربالگری استاندارد در عرض شش ماه برای تکمیل یک معاینه چشم به یک متخصص چشم مراجعه کردند.
این یافتهها نشان میدهد که آزمونهای DED مبتنی بر هوش مصنوعی میتواند به رفع شکافهای غربالگری کمک کند.
با فناوری هوش مصنوعی، افراد بیشتری میتوانند غربالگری شوند، که میتواند به شناسایی بیشتر افراد که نیاز به پیگیری دارند کمک کند. ارائه این خدمت در زمان مراجعه بیمار به پزشک متخصص دیابت موجب بهبود عدالت سلامت شده و از پیشرفت بیماری چشم دیابتی جلوگیری میکند.
منبع: healthitanalytics
