نقش هوش مصنوعی در چشم پزشکی

هوش مصنوعی دسته ای از فناوری های رایانه ای است که به منظور تقلید از هوش یا الگوی رفتاری انسان ها است. هوش مصنوعی یک سیستم بسیار پیچیده است که از دو زیر مجموعه تشکیل شده است. اولاً، یادگیری ماشین تکنیکی است که توصیف می کند چگونه رایانه ها می توانند از داده ها بدون مجموعه ای پیچیده از قوانین یاد بگیرند. ثانیا، یادگیری عمیق راهی برای انجام یادگیری ماشینی است که از شبکه عصبی خود مغز ما الهام گرفته شده است.

هوش مصنوعی قبلاً در مراقبت های بهداشتی به ویژه برای تجزیه و تحلیل تصویربرداری پزشکی استفاده شده است. به عنوان مثال، هوش مصنوعی به تشخیص بیماری سل از طریق اشعه ایکس قفسه سینه و برخی سرطان های پوست و ریه کمک می کند.

چشم پزشکان در حال حاضر از فناوری بسیار پیچیده ای برای بررسی، تشخیص و درمان بیماری های مختلف چشم استفاده می کنند، اما هوش مصنوعی پیشرفت هیجان انگیزی را در این زمینه ارائه می دهد. یادگیری عمیق با استفاده از عکس‌های فوندوس (عکس‌های پشت چشم، از جمله شبکیه)، او سی تی (OCT)  و میدان‌های بینایی به منظور تشخیص رتینوپاتی دیابتی، دژنراسیون ماکولا وابسته به سن (AMD) و گلوکوم استفاده شده است، که همگی از مهمترین علل جهانی نابینایی هستند.

چندین نمونه از هوش مصنوعی در چشم پزشکی در حال فعالیت است:

     DeepMind، یک شرکت انگلیسی هوش مصنوعی که توسط گوگل خریداری شده است، با بیمارستان چشم مورفیلد Moorfields در لندن برای پیش‌بینی توسعه AMD اگزوداتیو، یعنی شکل وخیم این بیماری، همکاری می‌کند.

    همچنین یک الگوریتم هوش مصنوعی که توسط محققان در بیمارستان چشم و گوش نیویورک در بیمارستان کوه سینا برای شناسایی سریع و دقیق AMD به کار گرفته شده است. این فناوری همچنین راه حل ارزانی برای پزشکی از راه دور ارائه می دهد که در آن دوربین هایی را می توان در کیوسک ها برای معاینه چشم بیماران نصب کرد. مزیت این است که معاینه چشم نیازی به تأخیر ندارد و غربالگری برای بیماریهای وخیم می تواند ادامه یابد و به حفظ بینایی برای بسیاری کمک می کند.

     در سال 2018، اولین سیستم تشخیص مستقل برای تشخیص رتینوپاتی دیابتی در ایالات متحده تایید شد. برنامه هوش مصنوعی IDx-DR که توسط متخصص شبکیه، Michael Abràmoff ایجاد شد، توانست در حدود 87 درصد موارد رتینوپاتی دیابتی در مراحل پیشرفته تر از مرحله خفیف را شناسایی کند و در 90 درصد مواقع افراد بدون این بیماری را به درستی شناسایی کند.

به طور کلی، نقطه قوت هوش مصنوعی در زمینه چشم پزشکی، توانایی آن در تجزیه و تحلیل تصاویر است. معاینات چشم معمولاً شامل گرفتن تصاویر و نقشه های با کیفیت بالا از قسمت های مختلف چشم است. اگر الگوریتم هوش مصنوعی برای تشخیص بیماری در این نوع تصاویر آموزش داده شود، می تواند سرعت و دقت برنامه های غربالگری در مقیاس بزرگ را بهبود بخشد. همچنین می‌تواند دسترسی به چنین معایناتی را با امکان تصویربرداری از راه دور بهبود بخشد.

در یک مطالعه منتشر شده در مجله چشم پزشکی بریتانیا، 30000 اسکن بیمار (120000 تصویر) در برنامه غربالگری چشم دیابتی انگلستان (DESP) برای جستجوی علائم آسیب ناشی از رتینوپاتی دیابتی استفاده شد. این فناوری در تشخیص آسیبی که نیاز به ارجاع به متخصص دارد (95.7٪) و تشخیص رتینوپاتی متوسط تا شدید که می تواند منجر به از دست دادن بینایی شود (100٪) بسیار دقیق بود.

با توجه به اینکه تا سال 2040، حدود 600 میلیون نفر به دیابت مبتلا خواهند شد که یک سوم از آنها به رتینوپاتی دیابتی مبتلا هستند، این روش بسیار مفید است. از آنجایی که تنها حدود نیمی از دیابتی‌ها طبق برنامه پیشنهادی، سالانه چشم‌هایشان را معاینه می‌کنند، فناوری مانند این می‌تواند به کاهش زمان انتظار، پیش‌بینی پیش‌آگهی و کاهش از دست دادن بینایی یا نابینایی غیرضروری کمک کند.