پژوهشگران موفق شده‌اند با کمک هوش مصنوعی پیش‌بینی کنند کدام بیماران برای تثبیت قرنیه و حفظ بینایی خود نیاز به درمان دارند.
در این تحقیق جدید، پژوهشگران روی بیماران مبتلا به «قوز قرنیه» (Keratoconus) تمرکز کرده‌اند؛ اختلال بینایی که معمولاً در نوجوانی یا اوایل بزرگسالی بروز می‌کند و در سنین بالا وخیم‌تر می‌شود. این بیماری از هر 350 نفر یک نفر را تحت‌تأثیر قرار می‌دهد. در برخی بیماران می‌توان با لنز تماسی مشکل را مدیریت کرد، اما در موارد شدید درمان دیرهنگام به پیوند قرنیه منجر می‌شود.
در‌حال‌حاضر تنها راه تشخیص نیاز به درمان، پایش بیماران در طول زمان است.
محققان با بررسی تصاویر چشم و داده‌های تکمیلی بیماران، موفق شده‌اند پیش‌بینی کنند چه افرادی باید سریعاً تحت درمان قرار بگیرند و چه کسانی می‌توانند تنها تحت نظر باقی بمانند. این پژوهش توسط دکتر «شفیع بلال» و همکاران او در بیمارستان چشم مورفیلد لندن و دانشگاه کالج لندن انجام شده است.
او توضیح می‌دهد:
«قوز قرنیه باعث بیرون‌زدگی قرنیه می‌شود و شایع‌ترین دلیل پیوند قرنیه در کشورهای غربی است. درمانی به نام کراس-لینکینگ می‌تواند پیشرفت بیماری را متوقف کند؛ اما مشکل اینجاست که پزشکان نمی‌توانند پیش‌بینی کنند چه کسی دچار پیشرفت خواهد شد.»
در این مطالعه تصاویر 36 هزار و 673 اسکن OCT از 6684 بیمار مورد بررسی قرار گرفته است. الگوریتم هوش مصنوعی توانسته تنها با استفاده از داده‌های اولین ویزیت، بیماران را به دو گروه پرخطر و کم‌خطر دسته‌بندی کند. دوسوم بیماران در گروه کم‌خطر قرار گرفتند که به درمان فوری نیاز نداشتند و یک‌سوم در گروه پرخطر قرار گرفتند و به درمان سریع نیاز داشتند.
پژوهشگران می‌گویند با اضافه شدن اطلاعات ویزیت دوم، دقت الگوریتم به حدود 90 درصد رسید.
دکتر بلال درباره نتایج تحقیق خود می‌گوید:
«نتایج ما نشان می‌دهد که می‌توان از هوش مصنوعی برای پیش‌بینی نیاز بیماران به درمان استفاده کرد. این اولین مطالعه‌ای است که با چنین دقتی قادر به پیش‌بینی پیشرفت قوز قرنیه با ترکیب اسکن‌ها و داده‌های بیماران است.»
پژوهشگران در گام بعدی درحال توسعه الگوریتم قدرتمندتری هستند که با میلیون‌ها اسکن چشم آموزش داده می‌شود. این الگوریتم می‌تواند علاوه‌بر پیش‌بینی قوز قرنیه، در شناسایی عفونت‌های چشمی و بیماری‌های ارثی چشم نیز به کار رود.
