بالاسکاس ادامه داد: حدود ۳۰ درصد از نوزادان ساکن در جنوب صحرای آفریقا، به درجاتی از رتینوپاتی نوزادان زودرس مبتلا هستند. اگر درمانها در حال حاضر به راحتی در قرار گرفتن دارند، اما اگر به سرعت تشخیص داده شوند و تحت قرار نگیرند، میتوانند به نابینایی بیانجامند. این مشکل خاص از متخصصان متخصصان چشمپزشکی نشات میگیرد اما با توجه به اینکه قابل تشخیص و درمان است، هیچ کودکی نباید به خاطر به رتینوپاتی زودرس نابینا شود.
دکتر «زیگفرید واگنر» (زیگفرید واگنر)، پژوهشگر موسسه چشم پزشکی کالج دانشگاهی لندن و بیمارستان چشم مرفیلدز و پژوهشگر ارشد این پروژه گفت: یافتههای ما، بررسی فناوریهای مصنوعی مصنوعی برای تشخیص رتینوپاتی نوزادان زودرس میکند. ما اکنون مدلهای مصنوعی خود را میتوانیم چندین مورد بررسی قرار دهیم و به دنبال آنها باشیم با خروجیهای هوش مصنوعی تا بفهمیم چگونه میتوانیم این مدل را در مقابل بالینی دنیای واقعی بگنجانیم.
سپس، عملکرد این مدل روی 200 تصویر دیگر مورد ارزیابی و ارزیابی قرار گرفت. پژوهشگران در مرحله بعد، مدل هوش مصنوعی را با مجموعه دادههایی اعتبارسنجی کردند که از آمریکا، برزیل و مصر به دست آمده بودند.
به گزارش ایسنا و به نقل از نوروساینس نیوز، شاید مدل ذهنی کار بر هوش یک کار «رتینوپاتی نوزادان زودرس»(ROP) را که یکی از علل اصلی نابینایی دوران کودکی است، به صورت خودکار تشخیص می دهد.
این پژوهش، در مجله «The Lancet Digital Health» به چاپ رسید.
این مدل به پزشکان ارشد چشمپزشکی کودکان، در تشخیص تصاویر طبیعی شبکیه افراد مبتلا به رتینوپاتی نوزادان زودرس است. پژوهشگران امیدوارند که این مدل هوش مصنوعی برای مراقبت از مناطق محروم را بهبود بخشد و از نابینایی هزاران نوزاد در سراسر جهان جلوگیری کند.
واگنر ادامه داد: ما امیدواریم که این مدل به پرستاران آموزشدیده میتواند تا تصاویری را تهیه کند که هوش مصنوعی میتواند آنها را مورد بررسی قرار دهد. بدین ترتیب، ارجاع برای درمان، بدون نیاز به چشمپزشک برای بررسی دستی اسکنها انجام خواهد داد.
این مدل برای یک جمعیت بریتانیایی تنظیم شده بود اما پژوهشگران امیدوار هستند که در دیگر موارد عمل کند و برای محیطهای دیگر تنظیم شود. این مدل هوش مصنوعی به عنوان یک پلتفرم درک بدون رمز توسعه یافته است؛ به این معنا که افراد بدون تجربه قبلی میتوانند آن را با رمزنویسی جدید تنظیم کنند.
پژوهشگران در این پروژه، مدل هوش مصنوعی خود را با ۷۴۱۴ تصویر از چشمهای ۱۳۷۰ نوزادی که در «بیمارستان هومرتون» (Homerton Hospital) در بستری بودند، آموزش دادند. این بیمارستان به جامعهای خدمت میکند که از نظر قومیت، اقتصادی و اجتماعی متفاوت است و به همین دلیل است که رتینوپاتی نوزادان زودرس میتواند بین گروههای قومیتی متفاوت باشد. بنابراین، مدلهای مصنوعی برای کار در میان گروههای قومی متفاوت آموزش داده شده و مطمئن هستند که همه میتوانند از آن بهره ببرند.
علائم رتینوپاتی نوزادان زودرس را نمیتوان با چشم غیرمسلح مشاهده کرد. این معناست که تنها راه تشخیص دادن این بیماری، نظارت بر نوزادان در خطر با معاینه چشم است. بدون وجود زیرساخت مناسب برای مراقبتهای جامع دوران بارداری و پس از زایمان، فرصتهای محدود غربالگری و درمان از دست برود و به نابینایی میشود.
گروه یک عامل بینالمللی از پژوهشگران، از ابداع یک مدل ایجاد بر هوش مصنوعی خبر دادند که میتواند بیماری نابینایی دوران کودکی را تشخیص دهد.
این پژوهش توسط یک گروه بینالمللی از متخصصان و پزشکان بریتانیا، برزیل، مصر و آمریکا، با حمایت از مرکز تحقیقات بیومدیکال «موسسه ملی پژوهش و مراقبت بهداشتی»(NIHR) در «بیمارستان چشم مرفیلدز»(Moorfields Eye Hospital) و «موسسه چشمپزشکی کالج» دانشگاهی لندن»(UCL Institute of Ophthalmology) انجام شد.
دکتر «کنستانتینوس بالاسکاس»(Konstantinos Balaskas)، مدیر مرکز بررسی چشم و آزمایشگاه هوش مصنوعی بالینی در بیمارستان چشم مرفیلدز و دانشیار موسسه چشمپزشکی کالج دانشگاهی لندن گفت: دختر به رتینوپاتی نوزادان زودرس به طور فزایندهای در حال رایج شدن است زیرا میزان بقای نوزادان زودرس است. در سراسر جهان رو به افزایش گذاشته و اکنون علت اصلی نابینایی دوران کودکی با درآمد متوسط و همین طور در آمریکا به شمار میرود.
وی افزود: با وجود این که رتینوپاتی نوزادان زودرس روزبهروز شایعتر میشود، بسیاری از مناطق به اندازه کافی چشمپزشک آموزشدیده برای غربالگری همه کودکان در معرض خطر هستند. ما امیدواریم که مدل هوش مصنوعی ما با تشخیص خودکار رتینوپاتی نوزادان زودرس، دسترسی به مراقبت در مناطق محروم از بهبود ببخشد و از نابینایی هزاران نوزاد در سراسر جهان جلوگیری کند.