ابزار هوشمند تشخیص رتینوپاتی دیابتی بزرگسالان برای غربالگری این بیماری در کودکان نیز مفید است

2فوریه 2021- رتینوپاتی دیابتی - اختلالی که با آسیب به رگهای خونی کوچک شبکیه (ناحیه تمرکز نور) چشم مشخص می شود و علت اصلی کاهش بینایی در سراسر جهان است - در سال های اخیر با روند رو به رشد تعداد کودکان و نوجوانان مبتلا به دیابت نوع 1 یا نوع 2 افزایش یافته است. اگرچه انجمن دیابت آمریکا(ADA) غربالگری منظم برای رتینوپاتی دیابتی در کودکان را توصیه می کند، تخمین زده می شود که کمتر از نیمی از جوانان مبتلا به دیابت از این توصیه پیروی می کنند. بدون تشخیص و درمان به موقع، این بیماران با افزایش سن خود را در معرض خطر جدی مشکلات بینایی یا نابینایی قرار می دهند.

در مطالعه ی اخیر که در ژورنال مراقبت از دیابت منتشر گردید، محققان غدد درون ریز و چشم پزشکی کودکان در دانشکده ی پزشکی جان هاپکینز و سه موسسه پزشکی دیگر در ایالات متحده نشان دادند که از هوش مصنوعی خودگردان یا مستقل(AI) ، می توان برای تشخیص رتینوپاتی دیابتی کودکان با حساسیت، ویژگی و دقت بالا در تشخیص و بدون نیاز به تفسیر انسان استفاده کرد. این روش قبلاً برای بزرگسالان مبتلا به دیابت توسط سازمان غذا و داروی ایالات متحده تأیید شده بود و بخشی از دستورالعمل های غربالگری رتینوپاتیانجمن دیابت آمریکابرای بیماران 21 ساله یا بالاتر است.

از آنجایی که غربالگری هوش مصنوعی به معاینه ی پشت چشم با مردمک متسع نیاز ندارد، انجام آن زمان کمتری می گیرد و برای بیماران کودکان آسان تر است. بهمین دلیل، پایبندی بیماران در این مطالعه برای انجام آزمایش های منظم رتینوپاتی، همانطور که توسطانجمن دیابت آمریکاتعریف شده است، بیش از دو برابر گردید.

دکترRisa Wolf ، نویسنده اصلی این مطالعه متخصص غدد درون ریز اطفال و استادیار تخصص اطفال در دانشکده پزشکی دانشگاه جان هاپکینز، گفت: استفاده از هوش مصنوعی مستقل برای بزرگسالان، حساسیت، ویژگی و دقت بسیار بالایی را در تشخیص رتینوپاتی دیابتی (بیش از خفیف) زمانی که بیماری قابل درمان است، نشان داده است. بنابراین، با افزایش شیوع دیابت در میان کودکان به ویژه نوع 2، که با شروع زودتر رتینوپاتی همراه است ما احساس کردیم مهم است که ببینیم آیا AI می تواند پیروی از دستورالعمل های غربالگری و تشخیص زودهنگام برای بیماران جوان را بهبود بخشد؟

در مجموع از 310 کودک مبتلا به دیابت برای یک دوره 12 ماهه برای این مطالعه ثبت نام شد. میانگین سنی شرکت کنندگان 12 سال ، 47٪ مذکر بودند، این افراد از طیف وسیعی از قومیت ها بودند (57٪ سفیدپوست، 32٪ سیاه پوست، 4٪ اسپانیایی تبار و 7٪ آسیایی یا سایر کشورها). بیماران به طور عمده به دیابت نوع 1 (82 درصد) مبتلا بودند و در زمان تشخیص دیابت- اعم از نوع 1 یا نوع 2-، میانگین سنی آنها 9 سال بود.

صد و پنجاه و دو شرکت کننده (49 درصد) قبل از پیوستن به مطالعه، معاینه چشم دیابتی با مردمک متسع را گزارش کردند، اما فقط در پرونده های پزشکی 17 نفر (11.3 درصد) سابقه آزمایش غربالگری ثبت شده بود. با این حال، محققان با استفاده از یک محاسبه ی آماری خاص، توانستند بهبود در پایبندی غربالگری این بیماران را اندازه گیری کرده و سپس آن را برای کل گروه تخمین بزنند.

در این مطالعه، عکاسی دیجیتال از فوندوس - که به اتساع مردمک نیاز ندارد-، فقط چند دقیقه به طول انجامید. از تصاویر تولید شده با کیفیت بالا برای تشخیص رتینوپاتی توسط ناظران آموزش دیده استفاده می شود اما همراه با یک سیستمAI کاملاً خودگران که در دوربین تعبیه شده است، دیگر نیازی به ارزیابی انسان برای تشخیص وجود ندارد.

برای تأیید تشخیص های ایجاد شده توسط سیستم هوش مصنوعی، همان عکس ها به طور مستقل توسط دو متخصص شبکیه بررسی شدند و البته به آنها در مورد تفسیر هوش مصنوعی از این عکس ها چیزی گفته نشد.

از بین 310 شرکت کننده، هوش مصنوعی در 302 مورد (97.5 درصد) تفسیر دقیقی برای رتینوپاتی یا عدم وجود رتینوپاتی ارائه داد. دلیل عدم تفسیر هشت مجموعه از تصاویر، عدم توانایی شرکت کنندگان در باز نگه داشتن چشمان خود در هنگام فلاش دوربین یا عدم توانایی در تمرکز مورد نیاز، بود.

به طور کلی، براساس استانداردهای مرجع برای این ویژگی ها که توسط متخصصان شبکیه تعریف شده اند، حساسیت (85.7 درصد) ، ویژگی (79.3 درصد) و قابلیت تشخیص (97 درصد) تفسیر هوش مصنوعی برای کودکان بالا بود. این سطح بالا صرف نظر از نژاد، قومیت، سن و جنسیت مشاهده شد.

پس از اجرای سیستم غربالگری هوش مصنوعی، میزان پایبندی از 49، به 95 درصد افزایش یافت که بیانگر افزایش 111درصدی است.

دکتر روماسا چانا، متخصص چشم پزشکی و علوم بینایی در دانشکده پزشکی و بهداشت عمومی دانشگاه ویسکانسین و نویسنده ارشد این مطالعه، گفت: نتایج ما نشان می دهد که هوش مصنوعی مستقل یا خودگردان- که به عنوان یک وسیله ایمن و موثر در تشخیص رتینوپاتی دیابتی در بزرگسالان تایید شده است - همچنین می تواند در غربالگری این بیماری در میان بیماران جوان تر مورد استفاده قرار گیرد.

منبع:

https://medicalxpress.com/news/2021-02-adult-proven-smart-diagnostic-tool-diabetic.html