به گزارش ایسنا و به نقل از یورک‌الرت، پژوهشگران هوش مصنوعی را به کار گرفته‌اند تا یک بیماری چشمی ناشی از دیابت که از مهم‌ترین دلایل نابینایی است، در مراحل ابتدایی آن به سرعت تشخیص دهند.

“شبکیه‌رنجوری” یا “رتینوپاتی”(retinopathy)، به اختلالاتی گفته می‌شود که به آسیب شبکیه چشم می‌انجامند. شبکیه، محل تشکیل تصویر چشم و انتقال داده‌ها به مغز است؛ در نتیجه شبکیه‌ رنجوری بسته به شدت آن می‌تواند موجب تاری دید و یا نابینایی شود.

شبکیه‌ رنجوری دیابتی، از انواع این بیماری و یکی از دلایل مهم فقدان بینایی در بزرگسالان است و تخمین زده شده که تا سال ۲۰۳۰، حدود ۱۹۱ میلیون نفر را در سراسر جهان تحت تاثیر قرار دهد.

این بیماری در مراحل ابتدایی، نشانه‌های زیادی ندارد ممکن است افراد مبتلا فقط با آغاز از دست دادن بینایی، متوجه آن شوند. تشخیص ابتدایی و درمان به موقع می‌توانند تفاوت چشمگیری در میزان بینایی بیماران ایجاد کنند.

گروهی از پژوهشگران “موسسه سلطنتی فناوری ملبورن”(RMIT) استرالیا، یک الگوریتم پردازش تصویر ارائه داده‌اند که می‌تواند به صورت خودکار، نشانه‌های اصلی این بیماری را با دقت ۹۸ درصد تشخیص دهد.

پروفسور “دینش کانت کومار”(Dinesh Kant Kumar)، پژوهشگر ارشد این پروژه گفت: این روش، عملکرد فوری دارد و مقرون به صرفه است. از میان افرادی که به دیابت مبتلا هستند، تنها نیمی از آنها تحت آزمایش مرتب چشم قرار دارند و یک سوم این تعداد نیز هرگز مورد بررسی قرار نمی‌گیرند. روش‌های استاندارد تشخیص شبکیه‌رنجوری دیابتی، معمولا تهاجمی و پرهزینه هستند و اغلب در دسترس ساکنان بخشی از جهان قرار نمی‌گیرند. نتایج حاصل از روش مبتنی بر هوش مصنوعی ما، دقت اسکن‌های بالینی را دارند اما بر تصاویری از شبکیه تکیه می‌کنند که با ابزار معمول بینایی‌سنجی تهیه شده‌اند. افزایش سرعت و کاهش هزینه تشخیص این بیماری غیرقابل درمان، می‌تواند تغییر چشمگیری در زندگی افرادی که به این بیماری مبتلا هستند اما آن را تشخیص نداده‌اند، ایجاد کند.

اسکن های مبتنی بر “آنژیوگرافی فلورسین”(FA) و “مقطع‌نگاری همدوسی اپتیکی”(OCT)، دقیق‌ترین روش‌های بالینی برای تشخیص شبکیه‌رنجوری دیابتی هستند. یک جایگزین کم‌هزینه‌تر برای این کار، تحلیل تصاویر شبکیه است که با ابزار ارزان‌تری موسوم به “دوربین فوندوس”(fundus camera) امکان‌پذیر می‌شود اما این روش، زمان‌بر و غیرقابل اطمینان است.

پژوهشگران برای خودکار ساختن تحلیل تصاویر فوندوس، از روش‌های یادگیری عمیق و هوش مصنوعی استفاده کردند. آنها امیدوارند این روش، نهایتا به بررسی و شناسایی افراد در معرض خطر ابتلا به شبکیه‌رنجوری دیابتی منجر شود.

کومار افزود: تشخیص ندادن دیابت، یکی از مشکلات بزرگ مربوط به سلامتی در سراسر جهان است. تعداد افراد مبتلا به این بیماری در کشورهای در حال توسعه، معمولا به چهار نفر از میان هر پنج نفر می‌رسد. در نتیجه، میلیون‌ها نفر به مشکلات غیرقابل پیشگیری و درمان ناشی از دیابت دچار می‌شوند. فناوری ما در صورت داشتن پیشرفت بیشتر، قابلیت کاهش این مشکلات را دارد.