همشهری آنلاین -یکتا فراهانی: یکی از تازهترین تلاشها در این زمینه، توسعه یک مدل یادگیری ماشین سبک است که میتواند روی خود گوشی هوشمند اجرا شود. پژوهشگران این سامانه را با هزاران تصویر از بخش جلویی چشم آموزش دادند و سپس عملکرد آن را در یک ارزیابی آیندهنگر در بیمارستان چشمپزشکی Aravind در هند آزمایش کردند. هدف این فناوری جایگزینکردن چشمپزشک نیست؛ بلکه پیدا کردن افراد مشکوک و فرستادن آنها برای معاینه دقیقتر است؛ قابلیتی که میتواند در مناطق دورافتاده و کمبرخوردار اهمیت زیادی داشته باشد.
چشمپزشکی در جیب شما
در این آزمایش، ۲۱۰ تصویر از چشم افراد دارای عدسی سالم، آبمروارید نابالغ، آبمروارید بالغ و همچنین افرادی که لنز داخل چشمی داشتند، بررسی شد. مدل هوش مصنوعی توانست این وضعیتها را با عملکرد بالایی از یکدیگر تفکیک کند و مقدار AUROC آن در آزمایش واقعی حدود ۰٫۹۶ بود. نکته مهمتر اینکه پردازش تصویر روی خود گوشی انجام شد و به اتصال اینترنت وابسته نبود.
بیشتر بخوانید :
گوشی موبایل چطور آبمروارید را تشخیص میدهد؟
آبمروارید در واقع کدرشدن عدسی طبیعی چشم است. برای تشخیص دقیق، چشمپزشک معمولاً از معاینه با اسلیتلمپ استفاده میکند؛ بنابراین یک عکس معمولی با دوربین موبایل بهتنهایی قرار نیست جای این معاینه را بگیرد.
در فناوری جدید، گوشی با کمک یک ابزار تصویربرداری مخصوص، تصویر بخش جلویی چشم را ثبت میکند و الگوریتم هوش مصنوعی الگوهای موجود در تصویر را بررسی میکند. در مدل جدید، اطلاعاتی مانند سن و حدت بینایی نیز در کنار تصویر وارد الگوریتم میشود؛ روشی که به گفته پژوهشگران به تصمیمگیری بالینی نزدیکتر است.
غربالگری در مناطق محروم
به گزارش EurekAlert و بر اساس ارائه پژوهشگران در کنگره ESCRS، سپتامبر ۲۰۲۶، مزیت اصلی این فناوری فقط کوچک بودن دستگاه نیست. در بسیاری از مناطق جهان، دسترسی به چشمپزشک و تجهیزات تخصصی محدود است. یک سامانه قابلحمل که بتواند با هزینه کمتر افراد مشکوک را شناسایی کند، میتواند غربالگری را از مراکز تخصصی به مراکز درمانی کوچکتر یا حتی مناطق روستایی منتقل کند.
پژوهشهای دیگری نیز نشان دادهاند هوش مصنوعی میتواند تصاویر گرفتهشده با گوشی را برای شناسایی آبمروارید و بعضی بیماریهای دیگر بخش جلویی چشم تحلیل کند. یک مطالعه منتشرشده در British Journal of Ophthalmology الگوریتمی را بررسی کرد که برای تشخیص آبمروارید و چندین بیماری قرنیه از تصاویر گوشی استفاده میکرد و برای تشخیص آبمروارید به AUROC حدود ۰٫۹۹۲ رسید.
بررسی شدت آبمروارید!
در یک مطالعه دیگر که در سال ۲۰۲۶ منتشر شده، پژوهشگران از یک نمونه اولیه اسلیتلمپ قابلحمل متصل به گوشی هوشمند برای تصویربرداری از چشم استفاده کردند و یک مدل یادگیری عمیق را برای پیشبینی شدت آبمروارید آزمایش کردند. این پژوهش نشان میدهد مسیر فناوری فقط به پاسخ ساده «آبمروارید دارد یا ندارد» محدود نیست و میتواند به سمت ارزیابی شدت بیماری نیز حرکت کند.
باوجود نتایج امیدوارکننده، نباید تصور کرد که هر فرد میتواند دوربین گوشیاش را مقابل چشم بگیرد و از نتیجه یک اپلیکیشن، تشخیص قطعی پزشکی بگیرد.