Keratoconus severity detection using LSTM and machine learning techniques
تستخدم هذه الدراسة نموذجين من نماذج التعلم الآلي القائمة على الذاكرة الطويلة قصيرة المدى (LSTM) للكشف عن شدة القرنية المخروطية من خلال تحليل معايير عين المريض من صور التصوير المقطعي للاتساق البصري (OCT)، مما يساهم بفعالية في مراقبة تطور المرض عبر مراعاة بيانات العين أحادية الجانب وثنائية الجانب.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تعتمد العين البشرية على نافذة شفافة تشبه القبة في مقدمتها تسمى القرنية لتركيز الضوء وإنشاء صور حادة. عندما تكون هذه النافذة سليمة، فإنها تحافظ على منحنى منتظم وناعم. ومع ذلك، فإن حالة تُعرف باسم "القرنية المخروطية" تتسبب في ترقق القرنية وبروزها للخارج على شكل مخروط، تماماً مثل بالون يتم دفعه من الداخل. هذا التشوه يشتت الضوء، مما يؤدي إلى ضبابية الرؤية، والوهج، وصعوبة الرؤية، وغالباً ما يبدأ ذلك في سن المراهقة أو العشرينيات من عمر الشخص. وبينما يمكن إدارة المرض باستخدام النظارات أو العدسات اللاصقة في مراحله المبكرة، إلا أنه قد يتطور إلى نقطة تتطلب علاجات أكثر توغلاً. ويكمن التحدي للأطباء في أن المرض غالباً ما يبدأ بشكل خفي، بتغيرات طفيفة للغاية يصعب رصدها بالفحوصات القياسية، ومع ذلك فإن اكتشافه مبكراً أمر حيوي للحفاظ على البصر.
ولمعالجة ذلك، لجأ الباحثون إلى أداة تصوير قوية تسمى "التصوير المقطعي للترابط البصري"، والتي تعمل مثل جهاز الموجات فوق الصوتية عالي الدقة للعين، حيث تنشئ خرائط ثلاثية الأبعاد مفصلة لسطح القرنية وسُمكها. ومن خلال تحليل هذه الخرائط بمرور الوقت، يمكن للأطباء تتبع كيفية تغير القرنية. وقد ذهبت دراسة جديدة بهذا الأمر خطوة إضافية عبر تعليم جهاز كمبيوتر التعرف على أنماط هذا التطور. استخدم الباحثون نوعاً من الذكاء الاصطناعي يُعرف باسم "شبكة الذاكرة الطويلة قصيرة المدى"، وهو نظام مصمم للتعلم من تسلسل الأحداث، تماماً كما قد يتذكر شخص ما قصةً عبر استرجاع ترتيب أحداثها. وبدلاً من النظر إلى لقطة واحدة للعين، تم تدريب الكمبيوتر على مراجعة تاريخ مسوحات العين الخاصة بالمريض، ليتعلم التنبؤ بمدى شدة الحالة بناءً على الجدول الزمني للقياسات.
ركزت الدراسة على مجموعة كبيرة من البيانات التي تحتوي على آلاف مسوحات العين لمرضى من اليابان. وشملت هذه المسوحات مئات القياسات المختلفة، مثل انحناء الجزء الأمامي والخلفي للقرنية وسُمك طبقاتها المختلفة. ونظم الباحثون هذه البيانات في نهجين متميزين لمعرفة أي طريقة ستعمل بشكل أفضل. تناول النهج الأول كل عين كقصة منفصلة، حيث يتم تغذية الكمبيوتر بتاريخ كل عين على حدة للتنبؤ بشدتها. أما النهج الثاني فكان أكثر شمولاً؛ إذ نظر إلى كلتا عيني المريض في آن واحد، مدركاً أنه رغم احتمال تأثر كل عين بشكل مختلف، إلا أن الاثنين مرتبطان في كيفية تطورهما. وطُلب من الكمبيوتر تصنيف العيون إلى ثلاث فئات: سليمة، ومرحلة خفيفة أو مبكرة من المرض حيث تكون الأعراض بالكاد ملحوظة، ومرحلة متقدمة حيث يتشكل الشكل المخروطي بوضوح.
أظهرت النتائج أن الكمبيوتر أصبح ماهراً للغاية في هذه المهمة. فعند النظر إلى العيون الفردية، حدد النظام العيون السليمة والحالات المتقدمة بدقة تقارب الكمال، مميزاً بينهما دون خطأ تقريباً. وكان من الصعب قليلاً على الكمبيوتر تحديد المرحلة الخفيفة والمبكرة من المرض، وهي المرحلة التي غالباً ما يصعب على الأطباء البشر رصدها، لكنه أصاب الإجابة الصحيحة في الغالبية العظمى من الحالات. وعندما سمح الباحثون للكمبيوتر بالنظر إلى كلتا عيني المريض معاً، ظلت الدقة عالية جداً، مما يشير إلى أن مراعاة العلاقة بين العينين توفر أدلة قيمة. وقد تمكن النظام من التنبؤ بدرجة شدة المرض بدقة عالية، مطابقةً التقييمات الطبية الفعلية في معظم الحالات.
يوضح هذا العمل أن الذكاء الاصطناعي يمكن أن يعمل بفعالية كـ "زوج ثانٍ من العيون" للأطباء، مما يساعد في مراقبة التغيرات البطيئة وغير المرئية غالباً للقرنية المخروطية بمرور الوقت. فمن خلال التعلم من تسلسل المسوحات الماضية، يمكن للكمبيوتر رصد الاتجاهات التي قد تُفقد في فحص واحد. ووجدت الدراسة أن النظر إلى كلتا العينين معاً يمكن أن يكشف عن أنماط خفية في كيفية تحرك المرض عبر جسم الإنسان، مما يقدم صورة أكثر اكتمالاً من النظر إلى عين واحدة بمعزل عن الأخرى. وبينما لا تعد هذه التكنولوجيا بديلاً لحكم الطبيب بعد، إلا أنها تقدم أداة واعدة لاكتشاف المرض في وقت مبكر وتتبع تقدمه بشكل أكثر موثوقية، مما قد يسمح باتخاذ قرارات علاجية أفضل قبل تضرر البصر بشكل كبير. وأشار الباحثون إلى أن العمل المستقبلي سيتطلب اختبار هذه الأساليب على بيانات من مستشفيات وفئات سكانية مختلفة لضمان عمل النظام للجميع، لكن النتائج الأولية تشير إلى طريقة جديدة وقوية لحماية البصر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.