سنجش بینایی و سنجش هوش مصنوعی؛ آینده مراقبت چشم در دستان الگوریتم‌ها
سنجش بینایی و سنجش هوش مصنوعی؛ آینده مراقبت چشم در دستان الگوریتم‌ها

ایرانیان تحلیل -هوش مصنوعی با ورود به کلینیک‌های چشم‌پزشکی، مراقبت از بینایی را سریع‌تر و ساده‌تر کرده است. این فناوری تشخیص تغییرات چشمی را در لحظه ممکن می‌سازد و مراجعات غیرضروری را کاهش می‌دهد. آغاز عصر تازه مراقبت بینایی به‌گزارش ایرانیان تحلیل نقل از ایسنا و فوربس، بیش از ۲.۲ میلیارد نفر در جهان با […]

ایرانیان تحلیل -هوش مصنوعی با ورود به کلینیک‌های چشم‌پزشکی، مراقبت از بینایی را سریع‌تر و ساده‌تر کرده است. این فناوری تشخیص تغییرات چشمی را در لحظه ممکن می‌سازد و مراجعات غیرضروری را کاهش می‌دهد.


آغاز عصر تازه مراقبت بینایی

به‌گزارش ایرانیان تحلیل نقل از ایسنا و فوربس، بیش از ۲.۲ میلیارد نفر در جهان با اختلال بینایی زندگی می‌کنند و نزدیک نیمی از آن‌ها قابل درمان هستند. فشار بر سیستم‌های درمانی، به‌ویژه در انگلستان، چشم‌پزشکی را به پرترافیک‌ترین تخصص سرپایی تبدیل کرده است. اکنون هوش مصنوعی راه‌حل دقیقی برای کاهش تأخیرها و ازدحام ارائه می‌دهد.


از مورفیلدز تا غربالگری هوشمند

پروفسور پیرس کین از کالج دانشگاهی لندن گفت تأخیر درمان، عامل اصلی نابینایی بسیاری از بیماران است. او در پروژه‌های Moorfields–DeepMind و INSIGHT نشان داد الگوریتم‌های هوش مصنوعی می‌توانند اسکن‌های چشمی OCT را در سطح تخصصی تحلیل کنند و با دقت بالا به تصمیم بالینی کمک رسانند.

نمونه دیگر، سامانه هوش مصنوعی تشخیص رتینوپاتی دیابتی است که تحت هدایت مایکل آبراموف در دانشگاه آیووا ایجاد و نخستین مجوز De Novo FDA را دریافت کرد. این فناوری تشخیص را در محل انجام می‌دهد و زمان پیگیری تخصصی را از یک تا دو ماه به سه تا پنج روز کاهش داده است.


سنگاپور؛ الگوی اجرایی مقیاس‌پذیر

در سنگاپور، سامانه هوشمند غربالگری رتینوپاتی دیابتی با همکاری پزشکان عمومی و متخصصان چشم طراحی شد. بیماران علامت‌گذاری‌شده توسط هوش مصنوعی به سطح درمان مناسب هدایت شدند و ارجاع‌های غیرضروری حذف گردید.

مدل عملیاتی «اول هوش مصنوعی، دوم متخصص» عکس‌ها را توسط الگوریتم بررسی می‌کند و تنها موارد مشکوک را به پزشک ارجاع می‌دهد. طبق گفته دنیل تینگ، سرعت و صرفه‌جویی اقتصادی دو شاخص اصلی موفقیت این طرح‌اند.


درمان دقیق با داده هوشمند

دکتر تونگالپ تزل از دانشگاه کلمبیا نوع مرطوب دژنراسیون ماکولا را با تجهیزات OCT هوشمند مدیریت می‌کند. او اعلام کرد نظارت خانگی مبتنی بر هوش مصنوعی در ۴۲ درصد از تزریق‌های غیرضروری جلوگیری کرده و در ۳۵ درصد موارد به درمان زودهنگام انجامیده است.

به گفته تزل، اصل مراقبت این است که «هوش مصنوعی تغییر را تشخیص می‌دهد و متخصص تصمیم می‌گیرد».


از آموزش تا ایمنی بالینی

دکتر آلن کارتیکسالینگام از دیپ‌مایند گوگل گفت مدل‌های چندوجهی می‌توانند. به پزشکان کمک کنند تا سریع‌تر تصمیم بگیرند و اطلاعات واضح‌تری به بیماران بدهند. او تأکید کرد. ایمنی و تعمیم جهانی این فناوری هنوز چالش اصلی است.

مدل بنیادین RETFound با آموزش بر ۱.۶ میلیون تصویر شبکیه نشان داد رویکرد «یک بار آموزش، چند بار تطبیق» موجب. حساسیت بیشتر نسبت به بیماری‌های نادر و داده‌های کوچک می‌شود.

انتهای خبر/ایرانیان تحلیل

  • نویسنده : ایرانیان تحلیل
  • منبع خبر : ایسنا