בעוד שסקר המופעל על ידי בינה מלאכותית (AI) אומתה עבור רטינופתיה סוכרתית, יישום הטכנולוגיה על גלאוקומה הוכיח את עצמו כמאתגר מכיוון שגלאוקומה אינה מחלה אחת. אבחון גלאוקומה מבוסס על קבוצת תסמינים, בדיקות אבחון ונתונים אורכיים.
עם זאת, חקירת האפשרות להשתמש בבינה מלאכותית לבדיקת גלאוקומה נמשכת ללא הפסקה מכיוון שהיא טומנת בחובה פוטנציאל עצום לשיפור ההקרנה לאחת הגורמים הבלתי מאובחנים ביותר לאובדן ראייה בעולם.
מחקר חדש שהוצג היום ב-129ה' המפגש השנתי של האקדמיה האמריקאית לרפואת עיניים מוסיף לגוף המחקר המתרחב. זה מראה שאלגוריתם למידת מכונה היה מדויק יותר מתלמידי כיתה אנושיים מאומנים בזיהוי חולים בסיכון לגלאוקומה.
חוקרים מהמכון לרפואת עיניים באוניברסיטת קולג' בלונדון ובבית החולים לעיניים Moorfields השתמשו ב-6,304 תמונות פונדוס שנאספו למחקר עוקבה גדול ומבוסס אוכלוסייה (EPIC-Norfolk Eye Study) כדי להשוות את הדיוק של האלגוריתם שלהם לבין מדורג אנושי מאומן כדי להעריך מדד מרכזי של גלאוקומה, יחס כוס-דיסק אנכי. מומחה לגלאוקומה בדק את החולים כדי לאשר את האבחנה.
התוצאות הראו שהאלגוריתם זיהה נכון חולים עם גלאוקומה ב-88 עד 90 אחוז מהמקרים; כיתות אנושיות היו נכונות בין 79 ל-81 אחוזים מהמקרים. האלגוריתם לא הבחין בין אלו שסבלו מגלאוקומה או שאולי יש להם גלאוקומה.
המחברים אומרים שהמחקר שלהם בולט ממחקרים קודמים מכיוון שהאלגוריתם נבדק על קבוצת חולים המשקפת יותר את מגוון החולים שייראו במהלך בדיקה שגרתית, שכן רק 11 אחוז מהעיניים במערך הנתונים היו חשודים בגלאוקומה.
החוקר הראשי אנתוני חוואג'ה, PhD, FRCOphth, אמר שהוא הופתע לראות את המידה שבה למידת מכונה עלתה על הבודקים האנושיים. הוא מקווה שזה יכול לשמש בסופו של דבר ככלי חסכוני לבדיקת גלאוקומה ראשונית. למרות שד"ר חוואג'ה מציין שתהליך סקר יכול להגביר את דיוק האלגוריתם על ידי הכללת אינדיקטורים אחרים לסיכון לגלאוקומה, כגון לחץ תוך עיני.
גלאוקומה נותרה אחת הגורמים הנפוצים ביותר לאובדן ראייה שלא ניתן לתקן ברחבי העולם. נכון להיום, ההקרנה יקרה מדי לגלאוקומה, אבל אני מקווה שפתרונות בינה מלאכותית, בשילוב עם גישות אחרות כמו מיקוד לפי סיכון גנטי, יהיו הפתרון".
אנתוני חוואג'ה, דוקטורט, חוקר מוביל מחקר ופרופסור, רפואת עיניים ויועץ כבוד כירורג עיניים, אוניברסיטאי קולג' בלונדון
