استخدم البحث الصادر من فريق الباحثين الذي يضم مختبر كراب لاب آت سيتي بجامعة لندن “التعلم العميق” (DL)، الذي يعد أحد أنواع الذكاء الاصطناعي (AI)، على آلاف الصور للجزء الخلفي من عيون مرضى المياه الزرقاء للتنبؤ إلى أي مدى تأثرت رؤيتهم بالمرض.

جمعت الدراسة كميات كبيرة من البيانات ونسقتها من أكثر من 24000 مريض من عيادات هيئة الخدمات الصحية الوطنية في إنجلترا لتحقيق ذلك. وتُظهر نتائج الدراسة أن طريقة الذكاء الاصطناعي قد تلعب دورًا في تتبع كيفية تطور المياه الزرقاء عند المرضى في العيادة، وقد تُستخدم أيضًا لتحسين التجارب البحثية التي تبحث في المياه الزرقاء.

وتصيب المياه الزرقاء -التي تعرف بأنها مجموعة من أمراض العيون التي تسبب ضررًا تدريجيًا للعصب البصري- حوالي 2% من الأشخاص الذين تزيد أعمارهم عن 40 عامًا وحوالي 10% ممن تزيد أعمارهم عن 75 عامًا، مما يؤدي لأكثر من مليون زيارة إلى المستشفى كل عام. وبمجرد أن يفقد الشخص بصره نتيجة المياه الزرقاء، لا يمكن استرجاعه، ولذلك فإن الاكتشاف المبكر والإدراة المناسبة أمر هام.

التعلم العميق هو نوع من “التعلم الآلي” والذكاء الاصطناعي الذي يحاكي الطريقة التي يحصل بها البشر على أنواع معينة من المعرفة.  في هذه الدراسة، طُبقت نماذج التعلم العميق بشكل مستقل على كميات كبيرة من نوعين من التصوير المأخوذ من عيون مرضى المياه الزرقاء. وكان الهدف هو التأكد إذا كان يمكن استخدام النماذج  للتنبؤ بأي مجالات الرؤية يمكن أن يراها المريض (مجال الرؤية).

يُعرف النوع الأول من التصوير بالتصوير المقطعي للترابط البصري (OCT)، الذي يستخدم ضوءًا منخفض الترابط  (أقل احتمالية للانعكاس) للحصول على صور مقطعية عالية الدقة لشبكية العين، وهي المنطقة الحساسة للضوء في الجزء الخلفي من العين التي تتشكل عليها الصورة من العين. يُمكن تمييز الطبقات داخل شبكية العين ويمكن قياس سمك الشبكية للمساعدة في الكشف المبكر للمرض وتشخيصه.

ويسمى النوع الثاني من التصوير بالأشعة الانعكاسية تحت الحمراء، ويستخدم ضوء الأشعة تحت الحمراء ليضئ شبكية العين، التي استخدمت في هذه الحالة لتصوير القرص البصري، حيث يخرج العصب البصري للعين من الشبكية ويتجه إلى الدماغ.

ويعد الجانب الفريد لهذا البحث أن طريقة التعلم العميق تعلمت كيف تتنبأ بمجال الرؤية للمريض؛ بالنظر إلى التصوير دون أي تصنيف للميزات الموجودة بينهم من قبل أي خبراء أو أطباء.

وجدت الدراسة أن كل نموذج للتعلم العميق يمكن أن يستخدم الأنماط في المجلدات الخاصة لكل نوع من التصوير، ويحمل قيمة تنبؤية مفيدة لما سيكون عليه مجال الرؤية لمريض معين، من صورة أعينه فقط. ومع ذلك، وجدت الدراسة أيضًا أن إجراء عملية التعلم العميق من خلال كلا النوعين من التصوير، التصوير المقطعي للترابط البصري والأشعة الانعكاسية تحت الحمراء، يوفر دقة أفضل في التنبؤ بمجالات الرؤية للمريض.

بينما لا تعد تنبؤات التعلم العميق مهمة سريريًا في هذه المرحلة، إلا أنها واعدة بما يكفي لمؤلفي هذه الدراسة لاكتشاف ما إذا كان هذا ممكنا في المرحلة التالية من دراستهم. إذا كان الأمر كذلك ،فيمكن توجيه مثل هذه التقنية إلى المرضى في العيادة، حيث الحاجة إلى اتخاذ قرارات بشأن تكثيف العلاجات لأن المياه الزرقاء لديهم قد تزداد سوءًا.

يمكن أن تكون القدرة على استخدام صور الجزء الخلفي من العين للتنبؤ بالوظيفة البصرية مفيدة بشكل خاص في سياق تصميم تجارب لعلاجات جديدة للمياه الزرقاء. على سبيل المثال، قد يعني ذلك أن نتائج هذه التجارب يمكن أن تكون أكثر دقة، وبالتالي قد يؤدي ذلك بدوره إلى تسريع تقديم العلاجات الجديدة.

ويقول ديفيد كراب، أستاذ الإحصاء وأبحاث الرؤية ورئيس مختبر كراب لاب آت سيتي بجامعة لندن: “إنها كانت دراسة مثيرة للقيام بها. وعادةً ما تتواجد هذه الكميات الهائلة من بيانات هيئة الخدمات الصحية الوطنية وسط جمع من الغبار. ولكننا هنا استخدمناها لتطوير تقنية ذكاء اصطناعي ذكية جدًا التي تعلمت عن العناصر داخل الصور لتتنبأ بشكل أفضل عن الوظيفة البصرية. قد تكون هذه التقنيات مفيدة في تصميم نهايات تجريبية أفضل لعلاجات المياه الزرقاء الجديدة. نُشرت نتائج الدراسة في أرقى مجلة دولية لطب العيون وهو مثال آخر لجودة بحثنا هنا في المدينة”.

المصدر: https://medicalxpress.com

ترجمة: أميرة إبراهيم

مراجعة وتدقيق: أماني نوار

تويتر: amani_naouar