باستخدام الذكاء الاصطناعي.. طريقة جديدة للتنبؤ بتطور أمراض العيون إلى الجلوكوما

يعتبر مرض الجلوكوما أحد أمراض العيون الشائعة بين الكثير من الأشخاص، والتي قد تهدد بـ فقدان البصر، لذا يطلق عليه الأطباء «سارق النظر».

وللتعامل مع الجلوكوما، يجب اتخاذ العديد من التدابير التي تمنع تدهور الحالة وتجنب المريض مضاعفات الجلوكوما، ومنها فقدان البصر.

متابعة تطور الجلوكوما

وذكر موقع ميديكال إكسبريس أن الذكاء الاصطناعي، الذي تم تدريبه على التعرف على العلامات الحمراء في صور شبكية العين والمعلومات السريرية، يمكنه التنبؤ بما إذا كان الأشخاص المعرضون لخطر كبير للإصابة بـ الجلوكوما، والذين يشار إليهم عادة باسم «المشتبه بهم في الإصابة بالجلوكوما»، يتابعون تطويره بالفعل، حسبما توصلت إليه الأبحاث المنشورة في المجلة البريطانية لطب العيون.

وخلص الباحثون إلى أن هذا قد يكون أداة مساعدة تشخيصية مفيدة للأطباء، مع مراعاة مزيد من التحسين مع أعداد أكبر من الأشخاص.

دفعت التطورات الحديثة في الذكاء الاصطناعي إلى تصميم خوارزميات لاكتشاف تطور الجلوكوما بشكل أفضل، لكن لم يعتمد أي منها حتى الآن على السمات السريرية للتنبؤ بتطور المرض بين الأشخاص المعرضين لخطر كبير، كما يشير الباحثون.

وبينما يعد مرض الجلوكوما أحد الأسباب الرئيسية للعمى في جميع أنحاء العالم، فإن من الصعب بشكل خاص على الأطباء معرفة ما إذا كان الأشخاص الذين يعانون من علامات مشبوهة لتلف العصب البصري المبكر، ولكن بدون الميزة التشخيصية الأساسية المتمثلة في ارتفاع الضغط الداخلي بشكل غير طبيعي داخل العين، أو الضغط داخل العين، أو IOP، سوف يستمرون في الإصابة بـ الجلوكوما، ويوضحون أنهم معرضون لخطر فقدان بصرهم.

وبهدف استخدام الذكاء الاصطناعي لمحاولة سد هذه الفجوة، قام الباحثون بمراجعة المعلومات السريرية لـ12458 عينًا تظهر عليها علامات مبكرة مشبوهة لـ مرض الجلوكوما.

ومن بين هؤلاء، ركزوا على 210 عيون تطورت إلى الجلوكوما و105 عيون لم تتطور، وتمت مراقبة جميعها كل 6 إلى 12 شهرًا لمدة 7 سنوات على الأقل، ثم استخدموا علامات العلم الأحمر في صور شبكية العين التي تم التقاطها خلال فترة المراقبة بالإضافة إلى 15 سمة سريرية رئيسية لإنتاج مجموعة من المجموعات التنبؤية، والتي تم إدخالها بعد ذلك في 3 مصنفات للتعلم الآلي، وهي خوارزمية تقوم تلقائيا بطلب البيانات أو تصنيفها.

وشملت المظاهر السريرية العمر والجنس وIOP وسمك القرنية وسمك طبقة العصب الشبكي وضغط الدم والوزن (BMI).

كان أداء جميع الخوارزميات الثلاثة جيدًا، وكانت قادرة على التنبؤ باستمرار بالتطور إلى الجلوكوما، ومتى، وبدرجة عالية من الدقة تتراوح بين 91% إلى 99%.

كانت أهم 3 سمات سريرية تنبؤية هي IOP الأساسي، وضغط الدم الانبساطي، وهو الرقم الثاني في قراءة ضغط الدم الذي يقيس الضغط الشرياني بين نبضات القلب، ومتوسط ​​سمك طبقة الألياف العصبية الشبكية.

كان متوسط ​​عمر المشاركين في بداية فترة المراقبة 55 عامًا، ويتراوح من 33 إلى 76 عامًا، ولم يظهر العمر الأساسي كعامل تنبؤي رئيسي، ولكن متوسط ​​عمر أولئك الذين تطورت إصابتهم بالجلوكوما كان أقل بكثير من أولئك الذين أصيبوا بالجلوكوما.

واعترف الباحثون بالقيود المختلفة على النتائج التي توصلوا إليها، مثل استناد نتائج التدريب على الذكاء الاصطناعي إلى معلومات قليلة نسبيا، ولم يتم تضمين في الدراسة سوى أولئك الذين لديهم ضغط داخلي طبيعي والذين لم يتلقوا أي علاج للجلوكوما على مدار فترة المراقبة.

وحذر الباحثون من أن النتائج الحالية تظهر فقط أن النموذج المبني يعمل بشكل جيد لمجموعة محدودة من المرضى.

ومع ذلك قال الباحثون: «تشير نتائجنا إلى أن نماذج التعلم العميق التي تم تدريبها على كل من الصور العينية والبيانات السريرية لديها القدرة على التنبؤ بتطور المرض لدى المرضى المشتبه في إصابتهم بالجلوكوما».

وأضافوا: «نحن نعتقد أنه من خلال التدريب الإضافي والاختبار على مجموعة بيانات أكبر، يمكن تحسين نماذج التعلم العميق الخاصة بنا، وأنه مع مثل هذه النماذج، سيكون الأطباء مجهزين بشكل أفضل للتنبؤ بالدورات المرضية الفردية للمرضى المشتبه في إصابتهم بالجلوكوما».

وتابعوا: «إن التنبؤ بمسار المرض على أساس فردي للمريض من شأنه أن يساعد الأطباء على تقديم خيارات إدارة مخصصة للمرضى فيما يتعلق بقضايا مثل مدة المتابعة، وبدء أو عدم علاج خفض ضغط العين داخل العين، واستهداف الضغط داخل العين».