באמצעות תמונות רשתית ברזולוציה גבוהה, מודל AI חדשני מזהה מחלת אלצהיימר ופגיעה קוגניטיבית קלה מוקדם, ומציע תקווה לטיפול בדמנציה בזמן, לא פולשני ובמחיר סביר יותר.
מחקר: גילוי מוקדם של דמנציה באמצעות הדמיה של רשתית ובינה מלאכותית מהימנה. קרדיט תמונה: bfk / Shutterstock
במחקר שפורסם לאחרונה בכתב העת NPJ Digital Medicineחוקרים פיתחו אלגוריתם למידה עמוקה המסוגל לנתח תמונות ברזולוציה גבוהה של כלי דם ברשתית כדי לזהות מחלת אלצהיימר (AD) ופגיעה קוגניטיבית קלה (MCI) בשלבים מוקדמים. גישה חדשנית זו יכולה לאפשר לרופאים לזהות חולים עם סיכון גבוה לדמנציה, ולאפשר התערבות תרופתית בזמן כדי להאט את התקדמות המחלה והשפעותיה המזיקות.
המחקר, שהשתמש ב-5,751 תמונות מ-1,671 משתתפים, חשף כי שיטה חדשה זו עלתה על טכניקות גילוי AD ו-MCI קונבנציונליות באופן משמעותי. לא רק שהיא מדויקת, אלא שהשיטה גם זולה, מהירה ולגמרי לא פולשנית, מה שהופך אותה לאידיאלית להקרנה נרחבת. חוקרים מציעים כי אימות נוסף של גישה זו עשוי לחולל מהפכה בטיפול בדמנציה על ידי מתן אפשרות לגילוי מוקדם וניהול בקנה מידה גדול.
רֶקַע
דמנציה היא מצב פרוגרסיבי המשפיע בעיקר על תפקודים קוגניטיביים, כולל זיכרון, עיבוד מידע והיגיון, מה שמוביל לירידה ביכולת לבצע משימות יומיומיות. ההתקדמות האחרונה ברפואה האריכה את תוחלת החיים של בני אדם, ותרמה לעלייה עולמית במקרי דמנציה, המשפיעים כעת על למעלה מ-50 מיליון אנשים וצפוי לעלות בשנים הקרובות.
למרות מחקר מקיף, השיטות הקיימות לגילוי דמנציה, לרבות בדיקות ביוכימיות והדמיית תהודה מגנטית (MRI), מוגבלות על ידי עלויות גבוהות, פולשנות וצורך במתקנים מיוחדים. יתרה מכך, טכניקות אלו לרוב לא מצליחות לזהות מחלת אלצהיימר מוקדמת (EOAD), מה שמגביל את היכולת להתערב באנשים בסיכון גבוה מוקדם.
מחקרים עדכניים הדגישו קשר פוטנציאלי בין הרשתית – המכונה לעתים קרובות "החלון למוח" – לבין מחלות ניווניות עצביות כמו AD. מחקרים קליניים ודוחות היסטופתולוגיים הוכיחו שינויים מיקרו-וסקולריים ייחודיים ברשתית בקרב חולי AD. ממצאים אלה עוררו עניין בשימוש בטכניקות הדמיית עיניים מתקדמות, כגון אנגיוגרפיה אופטית קוהרנטית טומוגרפיה (OCTA), כדי לזהות סמנים ביולוגיים ברשתית הקשורים לירידה קוגניטיבית.
OCTA היא טכניקת הדמיה מתקדמת המאפשרת הדמיה מהירה ולא פולשנית של מיקרו-וסקולטור הרשתית, כולל אפילו הנימים הקטנים ביותר ברזולוציה של 5-6μm. טכנולוגיה זו מספקת תובנות מפורטות על הרשת המיקרו-וסקולרית ועל המבנה של אזור האווסקולרי השולי על פני שכבות רשתית שונות, כמו גם את הכורואיד.
על ידי מינוף נתוני OCTA בשילוב עם בינה מלאכותית (AI), החוקרים שואפים ליצור פתרון חסכוני וניתן להרחבה לזיהוי אנשים בסיכון לדמנציה, לקדם הזדקנות בריאה ולהקל על התערבויות בזמן.
על המחקר
במחקר זה, החוקרים פיתחו ובחנו מודל חדשני של למידה עמוקה בשם "Eye-AD". המודל תוכנן במיוחד לנתח תמונות OCTA ולזהות חולים עם מחלת אלצהיימר בתחילת הדרך או ליקוי קוגניטיבי קל. המודל מעבד נתונים ברזולוציה גבוהה משכבות רשתית שונות, כולל קומפלקס כלי דם שטחיים (SVC), קומפלקס כלי דם עמוק (DVC) ו-choriocapillaris (CC), כדי לזהות דפוסים הקשורים לירידה קוגניטיבית.
נתוני המחקר נאספו משתי קבוצות עיקריות – ROMCI (זיהוי MCI מבוסס OCTA ברשתית) ו-ROAD (זיהוי EOAD מבוסס OCTA ברשתית) – שכללו תמונות רשתית שבמרכזן הפובה. התמונות לכדו מידע על מבני כלי הדם של הרשתית, וסיפקו את מערך הנתונים לאימון והערכה של מודל.
מודל Eye-AD מורכב משני חלקים עיקריים: רשת עצבית קונבולוציונית (CNN) לחילוץ תכונות ורשת עצבית גרפית (GNN) לחיזוי סופי. רכיבים אלה פועלים יחד כדי לנתח את היחסים המורכבים בין שכבות הרשתית, ומאפשרים הערכה מקיפה יותר של התפקוד הקוגניטיבי. הדגם נבדק עם מספר מקודדים, כולל ResNet ו-ConvNeXt, ו-ConvNeXt נבחר בסופו של דבר בשל המהירות והביצועים העקביים שלו.
ממצאי מחקר
תוצאות המחקר מצביעות על כך שמודל Eye-AD הוא מדויק ואמין ביותר. הביצועים שלו עלו על אלו של שיטות זיהוי ביוכימיות מסורתיות ומבוססות MRI, עם AUC (אזור מתחת לעקומה) של 0.9355 לזיהוי EOAD ו-0.8630 ל-MCI. כוחו של המודל טמון בדיוק, בעלות-תועלת וביכולת לעבד נתונים במהירות, מה שהופך אותו לאופציה מעשית לסינון בקנה מידה גדול.
ניתוח הפרשנות של המודל הדגיש גם כי קומפלקס כלי הדם העמוק (DVC) שיחק תפקיד קריטי יותר בזיהוי EOAD ו-MCI מאשר שכבות הרשתית האחרות, מה שמצביע על כך שמבני רשתית עמוקים יותר עשויים להיות מושפעים יותר מירידה קוגניטיבית. באופן ספציפי, נמצא כי ה-DVC תורם יותר לתחזיות המודל, עם ציון חשיבות ממוצע של 40% ו-49% עבור מקרי EOAD ו-MCI, בהתאמה. ממצאים אלו מצביעים על כך ששינויים בשכבות הרשתית העמוקות יותר יכולים לספק תובנות לגבי המנגנונים העומדים בבסיס הדמנציה והתקדמותה.
יתרה מכך, המחקר הראה כי הבדלים במבנה הרשתית היו בולטים יותר בחולים עם EOAD מאשר אלו עם MCI, ככל הנראה משקף את ההשפעה החמורה יותר של מחלת האלצהיימר על כלי הדם ברשתית. ממצאים אלו תומכים בהשערה ששינויים הקשורים לדמנציה ניתנים לזיהוי יותר בשכבות העמוקות יותר של הרשתית.
מַסְקָנָה
מודל Eye-AD מייצג התקדמות משמעותית בגילוי מוקדם של דמנציה. היכולת שלו לסנן אוכלוסיות גדולות באופן לא פולשני באמצעות רק תמונות רשתית ברזולוציה גבוהה הופכת אותו לכלי אידיאלי להערכות בריאות קוגניטיביות נרחבות. המודל לא רק מדויק אלא גם ניתן לפריסה בקנה מידה, מה שמאפשר לזהות אנשים עם מחלת אלצהיימר בשלב מוקדם או MCI ולהקל על התערבויות בזמן.
בעוד שהמודל הוכיח הבטחה רבה, החוקרים מדגישים את הצורך במחקרים נוספים כדי לאמת את ביצועיו באוכלוסיות מגוונות יותר. שילוב שיטות אחרות, כגון בדיקות דם או הערכות קוגניטיביות, עשוי גם לשפר את כוח האבחון של המודל. עם המשך הפיתוח, למודל Eye-AD יש פוטנציאל להפוך למשאב רב ערך עבור בדיקות וניטור דמנציה בעתיד, לקדם הזדקנות בריאה יותר ולשפר את תוצאות המטופלים.
