هوش مصنوعی نتیجه ی درمان بیماری چشمی مرتبط با دیابت را پیش بینی می کند

28ژانویه 2020 - یک رویکرد جدید که از هوش مصنوعی برای تجزیه و تحلیل تصاویر شبکیه استفاده می کند، می تواند روزی به پزشکان برای انتخاب بهترین روش درمانی برای بیمارانی که از کاهش بینایی ناشی از ورم ماکولا دیابتی رنج می برند، کمک کند. این عارضه ی دیابت عامل اصلی کاهش بینایی در بزرگسالان در سن کار است.

عوامل ضد رشد اندوتلیال عروق (VEGF)به طور گسترده ای به عنوان اولین خط درمان برای ورم ماکولا دیابتی استفاده می شوند، اما این نوع درمان برای همه موثر نمی باشد. پزشکان نیاز به شناسایی افرادی دارند که از این روش درمانی جواب مثبت می گیرند، زیرا این درمان با تزریقات متعدد و پرهزینه برای بیماران همراه است و برای پزشکان بسیار پر زحمت و نگران کننده است.

دکتر Sina Farsiu، رئیس این تیم تحقیقاتی، از دانشگاه دوك گفت: ما الگوریتمی را تدوین كرده ایم كه می تواند تصاویرoptical coherence tomography  یاOCTشبکیه را بصورت اتوماتیک تجزیه و تحلیل کرده و پیش بینی کند كه آیا بیمار احتمالاً به درمانهای ضدVEGF پاسخ خواهد داد یا خیر. این تحقیق گامی به سوی درمان دقیق پزشکی است، که در آن پیش بینی های این الگوریتم به پزشکان کمک می کند تا بر اساس شرایط خاص بیماری، روش های درمانی اول را برای بیماران انتخاب کنند.

دکتر فارسیو و همكارانش در مجله یBiomedical Optics Express ،- از انتشارات جامعه ی اپتیکال(OSA) -، نشان دادند كه الگوریتم جدید می تواند تنها با تجزیه و تحلیل یك اسكن حجمی قبل از درمان، بطور دقیق احتمال پاسخ یا عدم پاسخ بیمار را به درمان ضدVEGF  پیش بینی نماید.

دکتر Farsiuگفت: رویکرد ما به طور بالقوه می تواند در کلینیک های چشم مورد استفاده قرار گیرد تا از درمان های غیر ضروری و پرهزینه بصورت آزمایش و خطا جلوگیری کند و در نتیجه بار درمانی قابل توجهی که بر بیماران وارد می شود را کاهش دهد. این الگوریتم همچنین می تواند برای پیش بینی پاسخ درمانی برای بسیاری از بیماری های چشمی دیگر، از جمله تخریب ماکولا وابسته به سن، بکار رود.

پیش بینی پاسخ به درمان توسط این الگوریتم از آنجایی امکان پذیر شد که محققان آن را بر اساس یک شبکه ی عصبی پیچشی جدیدی(CNN[1])  طراحی کردند. CNNنوعی از هوش مصنوعی است که می تواند با اختصاص اهمیت به جنبه ها یا اشیاء مختلف، تصاویر را تجزیه و تحلیل کند. آنها از این الگوریتم برای بررسی تصاویر به دست آمده ازOCT استفاده كردند.  OCTیك فناوری غیر تهاجمی است كه با وضوح بالا تصاویر مقطعی را از شبکیه تولید می كند و استاندارد مراقبت برای ارزیابی و درمان بسیاری از بیماری های چشمی است.

دکتر رضا راستی، نویسنده اول این مقاله و محقق فوق دکترای آزمایشگاه دکتر فارسیو می گوید: برخلاف رویکردهای قبلاً توسعه یافته، الگوریتم ما به تصاویرOCT تنها از یک مرحله قبل از درمان نیاز دارد و برای پیش بینی پاسخ به درمان، نیازی به تصاویرOCT سریهای زمانی، سوابق بیمار یا سایر متا داده ها ندارد.

این الگوریتم جدید ساختارهای جهانی را در تصویرOCT حفظ کرده و برجسته می کند در حالی که ویژگی های محلی مناطق بیمار شده ی شبکیه را برای استفاده ی موثر از اطلاعات مربوط به ضخامت شبکیه تقویت می کند. برای کمک به تصمیم گیری در مورد درمان، محققان یک گام اضافی را در الگوریتم وارد کردند که به دنبال ویژگی های رمزگذاری شده یCNN است که با پاسخ ضدVEGF بسیار مرتبط می باشد.

محققان الگوریتم جدید خود را با تصاویرOCT از 127 بیمار که برای معالجه ی ورم ماکولای دیابتی سه تزریق متوالی از داروهای ضدVEGF را دریافت کرده بودند، آزمایش کردند. آنها از این الگوریتم برای تجزیه و تحلیل تصاویرOCT گرفته شده، قبل از تزریق ضدVEGF استفاده نمودند، سپس پیش بینی های این الگوریتم را با تصاویرOCT گرفته شده پس از درمان ضدVEGF مقایسه نمودند تا تأیید کنند که آیا این درمان شرایط بیماری را بهبود می بخشد.

براساس این نتایج، محققان محاسبه كردند كه این الگوریتم 87 درصد احتمال پیش بینی درستی را از افرادی که نیاز به درمان دارند، ارائه می دهد. این پیش بینی دارای متوسط دقت و ویژگی ​​85 درصد و حساسیت 80 درصد است.

در مرحله بعد، محققان قصد دارند یافته های این مطالعه ی آزمایشی را با انجام یک آزمایش مشاهده ای بزرگتر با حضور بیمارانی که هنوز تحت معالجه قرار نگرفته اند، تأیید و گسترش دهند.

منبع:

https://www.sciencedaily.com/releases/2020/01/200128115419.htm