هوش مصنوعی و اپتومتری

یکی از داغ ترین موضوعات امروزه جهان کاربرد هوش مصنوعی در علم پزشکی است. یکی از حوزه هایی که هوش مصنوعی سعی دارد در آن ورود کند انجام تست ها و تشخیص ها در حوزه اپتومتری است که پیشرفت قابل ملاحظه ای نیز داشته است. در این مقاله به جدیدترین دستاورد های هوش مصنوعی در رابطه با اپتومتری می پردازیم.

 

هوش مصنوعی یک تکنولوژی از زیر شاخه های علم کامپیوتر است که مانند انسان توانایی تفکر، تحلیل و تصمیم گیری دارد. مهمترین بخش آن  Machine learning که در ان داده هایی همراه با پاسخ آن به دستگاه داده میشود و پس از آن هر داده ای که به آن ارائه شود بر اساس اطلاعات قبلی آن را میسنجد و پاسخ میدهد. به عنوان مثال برای تشخیص خونریرزی شبکیه ای ناشی از دیابت هزاران عکس OCT که در آن انواع مدل، اندازه و حجم خونریزی در آن وجود دارد را به هوش مصنوعی نشان داده و محل پاتولووژیک آن را نیز مشخص میکنند. در این زمان هوش مصنوعی با اطلاعاتی که در اختیار دارد به هنگام ورود اطلاعت یا عکس جدید از یک بیمار دیابتی براساس اطلاعات قبلی تصمیم میگیرد که آیا عیب پاتولوژیکی وجود دارد و محل آن کجاست و تا چه مقدار میتواند پیشرفت کند.

یکی از زیر  شاخه های Machine learning است که با استفاده از الگوریتم هایی که انواع مختلفی دارند، هوش مصنوعی توانایی تحلیل و یادگیری و تصمیم گیری دارد. به این معنا که ممکن است داده ای به هوش مصنوعی ارائه نشده است اما با تحلیل داده های قبلی تصمیمات و تحلیل های جدیدی را ارائه میدهد که فراتر از روش قبلی است. در واقع مانند انسان که بر اساس تجربیات قبلی در رابطه با موضوعی که ماهیت متفاوتی دارد تصمیم می گیرد یا پیش بینی می کند.

جالب است ت بدانید اولین ورود هوش مصنوعی در علم چشم پزشکی در سال 2018 به وسیله الگوریمی به نام , IDx-DR بود که کاربرد آن در زمینه تشخیص رتینوپاتی دیابتیک بوده است. بعد ها در زمینه های AMD, ROP, Glaucoma  و Retinal Vein Occlusion نیز پیشرفت های چشمگیری پیدا کردند. 

اولین کاربرد هوش مصنوعی در مایوپیا در سال 2018 توسط  Varadarajan و همکارانش انجام شد که با استفاده ار عکس شبکیه و اعمال ده ها پارامتر آن در 226870 چشم توانستند با دقت بالایی مقدار پیشرفت دیوپتریک مایوپی ار پیش بینی نمایند. در مدل ها بعدی پیش بینی مقدار پیشرفت مایوپی تا سنین قبل از 18 سالگی نیز فراهم شده است که دقت بسیار بسیار بالایی دارند. مدلی که در سال 2020 طراحی شد مقدار افزایش عمق اتاق قدامی – خلفی، ضخامت قرنیه، دیامتر قرنیه و متوسط قدرت آن نیز قابل پیش بینی است. در این الگوریتم ها علاوه بر مختصات بخش های مختلف چشم، تعداد ساعات کارچشمی، استایل زندگی ، نوع تغذیه و مقدار زمانی که کودک در محیط بیرون سپری میکند را در نظر می گیرد. در آخرین مدل الگوریمی که در سال 2023رونمایی شده است ریسک ایجاد مایوپی بالای 6 دیوپتر و مایوپی پاتولوژیک نیزبا دقت بسیار بالایی قابل پیش بینی می باشد. همچنین با کمک الگوریتمی به نام MyopiaDETR و ارائه تصویر OCT از شبکیه می توان پیش بینی نمود که کودک در آینده دچار مایوپی کم، متوسط، زیا د و یا پاتولوژیک میشود یا خیر؟ حتی میتوان مقدار ریسک جداشدگی شبکیه، ایجاد عروق در کوروئید، سوراخ ماکولا را نیز پیش بینی نمود و از همان ابتدا پیشگیری کرد.  

در زمینه پیشگیری از پیشرفت مایوپی با استفاده از لنز های ارتوکراتولوژی، هوش مصنوعی بهترین انحنا و دیامتر مورد نیاز برای هر بیمار را تشخیص و ارائه می دهد. با استفاده از تصاویر توپوگرافی، هوش مصنوعی در زمینه ارائه بهترین روش جراحی در میان روش های متنوع موجود، انتخاب کاندید مناسب جراحی، پیش بینی مقدار حدت بینایی بیمار پس از جراحی و نتایج رفرکتیو پس از آن را نیز فراهم نموده است.

برای اولین بار در سال 2020 آقای Kang و همکارنش با استفاده از اطلاعاتی مانند سگمنت قرنیه و محل لیمبوس الگوریتمی را به منظور تشخیص استرابیسم طراحی نمودند. بعد از آن الگوریتم هایی طراحی شدند که نوع استرابیسم را با  کمک تصاویر چشم در نگاه به جهات مختلف قابل تشخیص بوده است. پس از آن هوش مصنوعی توانست نتایج 1 روز و 6 ماه پس از جراحی و بهترین استراتژی جراحی را، پیش بینی و ارائه  نماید. در آخرین دستاورد هوش مصنوعی، میتوان مقدار و وجود پرکاری  عضله ابلیک تحتانی (Inferior Oblique Overaction) به کمک مقدار اختلاف فاصله بخش تحتانی لیمبوس دو چشم، تشخیص دارد.

هوش مصنوعی توانسته است با کمک نقشه های توپوگرافی در زمینه قوزقرنیه پیشرفت قابل ملاحظه ای را داشته باشد. به گونه ای که طی الگوریمی که در سال 2021 طراحی شد میتوان قرنیه نرمال را از فرم اولیه کراتوکونوس و یا کراتوکونوس قطعی تمیز داد. همچنین پیش بینی میزان پیشرفت کراتوکونوس نیز قابل انجام است. یکی از پر چالش ترین موارد کلینیکی تشخیص افتراقی قرنیه نرمال از تحت کلینیکال(subclinical) آن است. جالب است بدانیم که توانایی هوش مصنوعی به منظور این تشخیص افتراقی تنها با یک عکس قابل انجام است. لازم به ذکر است که دسته بندی انواع مختلف کراتوکونوس و مقدار شدت آن نیز امکان پذیر شده است. 

همانوطر که میدانیم کراتوکونوس در مراحل پبشرفته منجر به کاهش یا از دست رفتن دید خواهد شد. لذا تشخیص زود هنگام آن که ممکن است با کمک شواهد کلینیکی قابل تشخیص نباشد، در پیشگیری از پیشرفت آن، درمان به هنگام و در نهایت داشتن کمیت و کیفیت بالاتر بینایی بسیار حائز اهمیت است که هوش مصنوعی این فرآیند را تسهیل نموده است.  

محاسبه دقیق مقدار قدرت لنز داخل چشمی و موقعیت قرار گیری آن در اتاق خلفی از موارد مهم عمل کاتاراکت می باشد که باید مد نظر داشت. از سال 2022 با کمک عکس های اسلیت لمپی و Anterior OCT و ارائه آن به الگوریتم های هوش مصنوعی محاسبه قدرت لنز داخل چشمی با دقت بسیار بالایی قابل انجام است. در این میان هوش مصنوعی توانسته است مقدار ثابت در فرمول های مختلف محاسبه قدرت را بهینه سازی کند به طوری قدرت نهایی بدست آمده از دقت بسیار بالاتری نسبت به قبل برخورددار است. همچنین در این میان فرمول های ویژه و بهتری نیز به کمک هوش مصنوعی ارائه شده است که با فرمول های کنونی قابل رقابت است. جالب است بدانیم موقیت جاگذاری لنز دراتاق خلفی یک فاکتور مهم در قدرت موثر لنز های داخل چشمی و کیفیت بینایی بیمار است که امروزه میتوان آن را با کمک هوش مصنوعی و نقشه های Anterior OCT ارائه شده به آن، برای هر فردی به طورر اختصاصی تعیین نمود تا بیشترین بازدهی را شاهد باشیم.

پیشرفت هوش مصنوعی در زمینه تنبلی چشم آنچنان زیاد نبوده است با این وجود در سال 2020 آقای Murali و همکارانش توانستند مدلی را برای تشخیص فاکتورهای خطر تنبلی چشم طراحی نمایند. این مدل با کمک عکس های فوتوگرافی که امکان موقیت رفلکس نور از قرنیه، انحنای مردمک و دیامتر آنرا فراهم می کند،  طراحی شده است.

امروزه هوش مصنوعی در ابتدای راه قرار دارد و به طور قطع در سال های آینده جز لاینفک زندگی روزمره ما خواهد بود. به طوری که در تمامی سیستم های مهندسی و پزشکی ما حضور داشته و میتواند بخش اعظمی از وظایف انسانی را انجام دهد. این موضوع در علم پزشکی هم مزیت محسوب میشود و هم تهدید. در نقاط دوردست که امکانات پزشکی محدودی وجود دارد امکان تشخیص و درمان به موقع با کمک هوش مصنوعی بسیار تسهیل شده و بار درمانی زیادی از دوش جامعه برداشته خواهد شد و در نهایت کیفیت و سطح سلامتی جوامع افزایش می یابد اما در آن دوران ما به عنوان یک معایینه کننده چه جایگاه و نقشی را ایفا خواهیم کرد؟ آیا باز هم به این حد از توانمندی های ما نیاز است؟ ما به عنوان اپتومتریست چگونه میتوانیم با پذیرش هوش مصنوعی، همچنان کار کلینیک خودمان را ادامه دهیم؟