استخدام الذكاء الاصطناعي في تشخيص اعتلال الشبكية الحاد لدى الأطفال
أظهرت دراسات حديثة، أن تطبيقات الذكاء الاصطناعي يمكنها تشخيص اعتلال الشبكية الحاد الخداجي بدقة، بناءً على تحليل صور شبكية العين.
ومع ذلك، فإن تطوير تطبيقات الذكاء الاصطناعي هذه يتطلب خبرة علماء البيانات والأجهزة باهظة الثمن.
وتشير دراسة حديثة نُشرت في مجلة Lancet Digital Health إلى أن تطبيق AI الخالي من الأكواد والذي لا يتطلب خبرة في الترميز أو أجهزة باهظة الثمن يمكن أن يكتشف بدقة اعتلال الشبكية الشديد للخدج باستخدام الصور التي تم الحصول عليها من مجموعة بيانات متنوعة عرقيًا من المملكة المتحدة وكذلك تلك المكتسبة في البلدان المنخفضة الدخل والمتوسطة الدخل مثل البرازيل ومصر.
وقال الباحثون: إن نموذج الذكاء الاصطناعي هذا يمكن أن يشخص اعتلال الشبكية الخداجي الحاد باستخدام الصور التي تم الحصول عليها بجهاز غير الجهاز المستخدم لتطوير النموذج، وإن كان ذلك مع انخفاض في الدقة.
وعلى الرغم من الحاجة إلى مزيد من التحقق، بيّن الباحثون أن النتائج التي توصلوا إليها تشير إلى أن نماذج الذكاء الاصطناعي الخالية من الأكواد قد تمتلك القدرة على تشخيص اعتلال الشبكية الخداجي بدقة في الأماكن محدودة الموارد.
وقال الدكتور كونستانتينوس بالاسكاس، مؤلف الدراسة: يعاني ما يصل إلى 30 في المائة من الأطفال حديثي الولادة في أفريقيا جنوب الصحراء من درجة ما من اعتلال الشبكية الخداجي.
وأضاف: على الرغم من توفر العلاجات الآن بسهولة، إلا أنه يمكن أن يسبب العمى إذا لم يتم اكتشافه وعلاجه بسرعة.
وأكمل: غالبًا ما يرجع هذا إلى نقص المتخصصين في العناية بالعيون، ولكن نظرًا لأنه يمكن اكتشافه ومعالجته، فلا ينبغي أن يُصاب أي طفل بالعمى بسبب اعتلال الشبكية الخداجي.
وذكر لمجلة ميديكال نيوز توداي: "نظرًا لأن الأمر أصبح أكثر شيوعًا، فإن العديد من المناطق ليس لديها ما يكفي من أطباء العيون المدربين لفحص جميع الأطفال المعرضين للخطر.
وقال: نأمل أن تؤدي تقنيتنا الخاصة بأتمتة تشخيص اعتلال الشبكية الخداجي إلى تحسين الوصول إلى الرعاية في المناطق المحرومة ومنع العمى لدى آلاف الأطفال حديثي الولادة في جميع أنحاء العالم.
ويستخدم أطباء العيون صور شبكية العين لتصور الأوعية الدموية وتشخيص المرض. على مدى العقد الماضي، تم تطوير تطبيقات الذكاء الاصطناعي التي يمكنها تحليل بيانات التصوير وتشخيص اعتلال الشبكية الخداجي بدقة مثل أطباء العيون ذوي الخبرة.
وتعتمد هذه التطبيقات على التعلم العميق، وهو شكل من أشكال الذكاء الاصطناعي الذي يحاكي عملية التعلم التي تحدث في الدماغ.
وقبل نشرها لتشخيص الأمراض، يتم تدريب نماذج التعلم العميق باستخدام مجموعة بيانات التصوير التي تم شرحها أو تسميتها من قبل الخبراء الطبيين.
وبالنسبة لاعتلال الشبكية الخداجي، قد يتضمن ذلك استخدام الصور التي حددها أطباء العيون سابقًا على أنها صحية أو مصابة بمرض زائد.
وهناك العديد من العقبات التي تحول دون النشر المباشر لهذه النماذج لتشخيص المرض الزائد في العيادة، وخاصة في البلدان المنخفضة والمتوسطة الدخل.
ومن المتوقع أن تمثل هذه البيانات تمثيلاً ناقصًا للمجموعات العرقية وأولئك الذين ينتمون إلى خلفية اجتماعية واقتصادية أقل. يتأثر تطور اعتلال الشبكية الخداجي بالعرق، مما يشير إلى أن هذه النماذج قد لا تكون قابلة للتعميم.
ومع ذلك، فإن دقة هذه النماذج لم يتم تقييمها بعد على مجموعات البيانات التي تم الحصول عليها باستخدام أجهزة التصوير الأخرى.
وغالبًا ما تُظهر خوارزميات الذكاء الاصطناعي انخفاضًا في الدقة عند نشرها لتحليل بيانات التصوير التي تم الحصول عليها باستخدام جهاز مختلف عن الجهاز المستخدم لتطوير النموذج، ما يبرز الحاجة إلى التحقق من صحة هذه النماذج على مجموعات البيانات الخارجية قبل النشر في العالم الحقيقي.
ويُعد نشر نماذج الذكاء الاصطناعي هذه مقيد أيضًا بالحاجة إلى أجهزة كمبيوتر باهظة الثمن وخبرة علماء البيانات. قد لا تكون هذه الموارد متاحة للأطباء الفرديين وحتى المجموعات البحثية، خاصة في الدول ذات الدخل المنخفض والمتوسط.
ويمكن التحايل على هذه العوائق المرتبطة بنماذج التعلم العميق المخصصة عن طريق استخدام تطبيقات التعلم العميق الخالية من التعليمات البرمجية والتي لا تتطلب خبرة في الترميز ولها واجهة سهلة الاستخدام.
علاوة على ذلك، غالبًا ما تكون برامج التعلم العميق الخالية من الأكواد قائمة على السحابة، مما يلغي الحاجة إلى أجهزة باهظة الثمن.
ولا تزال منصات التعلم العميق الخالية من التعليمات البرمجية هذه تتطلب مجموعة بيانات مشروحة ولكن يمكن استخدامها من قبل الطبيب دون خبرة في الترميز.
