نوشته شانیا کندی
– طبق مطالعه اخیر منتشر شده در دانشگاه، یک تیم تحقیقاتی از مرکز کودکان جان هاپکینز دریافتند که ابزار هوش مصنوعی مستقل (AI) برای غربالگری جوانان از نظر بیماری چشم دیابتی (DED) نیز می تواند احتمال تکمیل غربالگری را افزایش دهد. ارتباطات طبیعت.
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. این وضعیت زمانی رخ می دهد که سطح قند خون به خوبی کنترل نشود و منجر به آسیب بافت ها و رگ های خونی در شبکیه شود. به نوبه خود، رتینوپاتی دیابتی می تواند منجر به از دست دادن دائمی بینایی و نابینایی شود.
تیم تحقیقاتی خاطرنشان کرد که شیوع DED به طور معمول در بیماران زیر 21 سال کمتر است، اما رتینوپاتی دیابتی بین 4 تا 9 درصد از جوانان مبتلا به دیابت نوع 1 و حدود 4 تا 15 درصد از جوانان مبتلا به دیابت نوع 2 تأثیر می گذارد.
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.
محققان نشان دادند که 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 قطره های چشمی برای گشاد کردن مردمک ها قبل از غربالگری دارند.
آنها اظهار داشتند که این عوامل ممکن است به شکاف های غربالگری کمک کنند و تأکید کردند که بین 35 تا 72 درصد از کودکان و نوجوانان دیابتی این غربالگری های توصیه شده را دریافت می کنند. شکاف غربالگری در میان جوانان فقیر و دارای اقلیت بیشتر است.
موانع غربالگری DED شامل کمبود زمان، حمل و نقل و دسترسی به متخصصان، در کنار سردرگمی و احساس ناراحتی در مورد نیاز به غربالگری است.
کار قبلی تیم تحقیقاتی در زمینه غربالگری DED نشان داد که هوش مصنوعی مستقل می تواند با موفقیت برای تشخیص بیماری های چشم دیابتی استفاده شود. این ابزار از یک دوربین برای گرفتن چهار عکس از پشت چشم بدون نیاز به اتساع استفاده می کند. 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 بیماری، 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 8 تا 21 ساله که بین 24 نوامبر 2021 تا 6 ژوئن 2022 در مرکز دیابت کودکان جانز هاپکینز دریافت کرده بودند، جمع‌آوری کردند.
گروه شامل 164 بیمار بود که 41 درصد از آنها از گروه های اقلیت بودند، در حالی که 47 درصد از گروه دارای بیمه مدیکید بودند. هر شرکت‌کننده به‌طور تصادفی به یکی از دو گروه تقسیم شدند: گروه اول، که شامل 83 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 81 نفری، هر کدام یک معاینه 5 تا 10 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 22 درصد از بیماران گروه غربالگری استاندارد در عرض شش ماه برای تکمیل یک معاینه چشم با یک ارائه دهنده مراقبت چشم پیگیری کردند.
پس از بررسی های بیشتر، محققان خاطرنشان کردند که هیچ تفاوت آماری در وضعیت اجتماعی-اقتصادی، جنسیت، یا نژاد از نظر اینکه شرکت کنندگان در گروه دوم یک غربالگری جداگانه با اپتومتریست یا چشم پزشک برنامه ریزی کرده اند وجود ندارد.
علاوه بر این، تقریباً 31 درصد از گروه هوش مصنوعی دارای DED بودند.
این یافته‌ها نشان می‌دهد که آزمون‌های DED مبتنی بر هوش مصنوعی می‌تواند به رفع شکاف‌های غربالگری کمک کند.
ریسا ولف، پزشک متخصص غدد کودکان در مرکز کودکان جان هاپکینز که این تحقیق را رهبری می‌کرد، در بیانیه‌ای گفت: با فناوری هوش مصنوعی، افراد بیشتری می‌توانند غربالگری شوند، که می‌تواند به شناسایی افراد بیشتری که نیاز به ارزیابی پیگیری دارند کمک کند. “اگر ما بتوانیم این موضوع را در زمان مراقبت با پزشک دیابتی آنها راحت تر ارائه دهیم، می توانیم به طور بالقوه عدالت سلامت را بهبود بخشیم و از پیشرفت بیماری چشم دیابتی جلوگیری کنیم.”