Predicting Cycloplegic Spherical Equivalent in Children and Adolescents: A Comparative Machine Learning Approach with SHAP-Based Model Interpretation
تُظهر هذه الدراسة أن نماذج تعلم الآلة، ولا سيما XGBoost وLightGBM، يمكنها التنبؤ بدقة بنتائج انكسار العين بعد التوسيع الحدقي وتحديد الأطفال الذين يحتاجون إلى توسيع الحدقة باستخدام معلمات سريرية غير متعلقة بالتوسيع الحدقي، مما يوفر بديلاً قابلاً للتوسع وفعالاً من حيث الموارد لفحص انكسار العين لدى الأطفال.
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
يتطور ملايين الأطفال حول العالم كل عام من قصر النظر، وهي حالة تظهر فيها الأجسام البعيدة بشكل ضبابي. ورغم أن هذا قد يبدو وكأنه إزعاج بسيط، إلا أن قصر النظر غير المعالج يمكن أن يؤدي إلى مشاكل خطيرة في العين لاحقًا في الحياة، بما في ذلك العمى. ولفهم رؤية الطفل بدقة، اعتمد أطباء العيون لفترة طويلة على إجراء يسمى "الانكسار الموسع للحدقة" (cycloplegic refraction). يتضمن هذا الإجراء وضع قطرات خاصة في العين لإرخاء عضلات التركيز مؤقتًا، مما يكشف عن الشكل الحقيقي للعين وقوتها. فبدون هذه القطرات، قد تكون عضلات عين الطفل تعمل بجهد لرؤية الأشياء بوضوح، مما يحجب المدى الحقيقي لمشكلة الرؤية لديهم. ومع ذلك، فإن هذا الاختبار الذي يعد المعيار الذهبي يستغرق وقتًا، ويتطلب متخصصًا، ويمكن أن يترك الأطفال مع رؤية ضبابية وحساسية للضوء لساعات. وبسبب هذه العقبات، غالبًا ما يتم تخطي هذا الإجراء في فحوصات المدارس الكبيرة أو الفحوصات السريعة، مما يترك الأطباء يخمنون مدى خطورة مشكلة الرؤية لدى الطفل بناءً على فحص سريع غير مسترخٍ.
وقد طور فريق من الباحثين من مستشفيات في الصين الآن طريقة جديدة لسد هذه الفجوة. فقد طرحوا سؤالًا بسيطًا ولكنه صعب: هل يمكن للكمبيوتر أن يتعلم التنبؤ بما ستكون عليه العين بعد استخدام القطرات المرخية، بناءً فقط على القياسات السريعة غير المسترخية المأخوذة أثناء زيارة قياسية؟ ومن خلال تدريب برامج حاسوبية متقدمة على بيانات من أكثر من 600 طفل، أنشأوا نظامًا يمكنه تقدير الرؤية الحقيقية، وتحديد ما إذا كان الطفل يحتاج بالفعل إلى القطرات، وحتى تحديد من يعاني من قصر النظر، وكل ذلك دون الحاجة إلى الإجراء الذي يستغرق وقتًا طويلاً.
جمع الباحثون معلومات مفصلة من 1,224 عينًا لأطفال تتراوح أعمارهم بين أربعة وسبعة عشر عامًا. ولكل طفل، سجلوا قياسات قياسية مثل حدة البصر، وضغط العين، وشكل العين، بما في ذلك طول كرة العين وسُمك العدسة. كما قاسوا قوة العين قبل وبعد استخدام القطرات المرخية. وباستخدام هذه البيانات، علموا عدة أنواع مختلفة من النماذج الحاسوبية البحث عن الأنماط. وكان الهدف هو معرفة ما إذا كان بإمكان الكمبيوتر تعلم العلاقة بين القياسات السريعة والقياسات الحقيقية المسترخية. وقد اختبروا النماذج في ثلاث مهام محددة: أولاً، للتنبؤ بما إذا كانت رؤية الطفل ستتغير بما يكفي بعد استخدام القطرات لتستدعي الإجراء؛ وثانيًا، لتحديد ما إذا كان الطفل يعاني من قصر النظر؛ وثالثًا، لحساب الرقم الدقيق الذي يمثل قوة رؤيته بعد استخدام القطرات.
أظهرت النتائج أن النماذج الحاسوبية يمكنها أداء هذه المهام بدرجة عالية من الدقة. فعند محاولة التنبؤ بما إذا كان الطفل يحتاج إلى القطرات الموسعة للحدقة، حقق أفضل نموذج مساحة تحت المنحنى (AUC) بلغت 0.82. ولتحديد ما إذا كان الطفل يعاني من قصر النظر، كان النظام أكثر إثارة للإعجاب، حيث حقق مساحة تحت المنحنى تزيد عن 0.90 وكشف عن جميع الأطفال الذين يعانون من الحالة فعليًا تقريبًا. ولعل الأمر الأكثر فائدة للأطباء هو أن النموذج يمكنه أيضًا التنبؤ بقوة الرؤية الدقيقة بعد استخدام القطرات بمتوسط خطأ يقل عن نصف وحدة قياس واحدة، وهو هامش يعتبر مقبولًا لاتخاذ القرارات السريرية. وبعبارة أبسط، استطاع الكمبيوتر النظر إلى فحص سريع وإخبار الطبيب: "رؤية هذا الطفل ستكون على الأرجح هذا الرقم المحدد بمجرد أن نُرخي عينه"، وذلك بمستوى من الدقة يضاهي الاختبار الفعلي في كثير من المواقف.
ولفهم كيف اتخذ الكمبيوتر هذه القرارات، استخدم الباحثون أداة تعمل مثل "كشاف الضوء"، حيث تسلط الضوء على أي المعلومات كانت الأكثر أهمية لكل تنبؤ. ووجدوا أن العوامل التي تقود الإجابات تتغير اعتمادًا على السؤال المطروح. فعند اتخاذ القرار بشأن ما إذا كان الطفل يحتاج إلى القطرات، كان طول كرة العين وحجم حدقة العين هما أهم الأدلة. وعند تحديد قصر النظر، كان قياس الرؤية الأولي المأخوذ بدون قطرات هو العامل المهيمن. ومن المثير للدهشة أنه عند التنبؤ بقوة الرؤية الدقيقة بعد القطرات، تبين أن سُمك عدسة العين الداخلية كان هو الدليل الأكثر تأثيرًا، حتى أكثر من قياس الرؤية الأولي. ويتحدى هذا الاكتشاف الاعتقاد الشائع بأن طول كرة العين وانحناء مقدمة العين هما الشيء الوحيد الذي يهم بالنسبة للرؤية، مما يشير إلى أن العدسة تلعب دورًا أكبر بكثير مما كان يُعتقد سابقًا في هذه التنبؤات.
تشير الدراسة إلى أن هذا النهج يمكن أن يقدم حلاً عمليًا للمدارس والمسوحات الصحية الكبيرة حيث لا يكون استخدام القطرات المرخية لكل طفل أمرًا ممكنًا. فباستخدام هذه النماذج الحاسوبية، يمكن للأطباء فحص آلاف الأطفال بسرعة ودقة، وتخصيص الإجراء الذي يستغرق وقتًا طويلاً بالقطرات فقط للأطفال الذين يحتاجون إليه حقًا. وبينما أشار الباحثون إلى أن نتائجهم تستند إلى مجموعة محددة من الأطفال وأن النماذج ستحتاج إلى اختبارها على مجموعات سكانية أكثر تنوعًا للتأكد، فإن هذا العمل يوفر مسارًا واعدًا لإدارة رؤية الأطفال. فهو يوضح أنه مع البيانات الصحيحة، يمكن للتكنولوجيا أن تساعد الأطباء على رؤية الحالة الحقيقية لعيون الأطفال دون التأخيرات وعدم الارتياح الناتج عن الطرق التقليدية، مما يسمح بتقديم رعاية مبكرة وأكثر فعالية لملايين الأطفال المعرضين لخطر فقدان البصر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.