إعتام عدسة العين هو مصطلح عام لأمراض تصيب جزءًا أو كل عدسة العين بالعتامة. يُقدر أن 52.6 مليون شخص في العالم يعانون من ضعف بصر متوسط إلى شديد، وهو السبب الرئيسي للعمى القابل للعلاج. جراحة إعتام عدسة العين هي واحدة من أكثر التدخلات الطبية فعالية من حيث التكلفة، لكن في البلدان منخفضة ومتوسطة الدخل، تشكل الموارد المحدودة وفترات الانتظار الطويلة عوائق أمام العلاج.
في السنوات الأخيرة، تم تطبيق التقنيات الرقمية، وخاصة الذكاء الاصطناعي، في مراحل متعددة من رعاية إعتام عدسة العين. يمكن تقسيم مجالات تطبيق الذكاء الاصطناعي إلى ثلاثة مجالات رئيسية.
مع تزايد الطلب على جراحة إعتام عدسة العين بسبب الشيخوخة، لا يستطيع عرض الرعاية الطبية للعيون مواكبة ذلك. تُعتبر تقنية الذكاء الاصطناعي وسيلة واعدة لسد هذه الفجوة بين العرض والطلب.
مع تزايد عدد السكان المسنين، يتزايد الطلب على جراحة إعتام عدسة العين بسرعة، بينما لا يتوسع عرض رعاية العيون بشكل كافٍ. في البلدان المنخفضة والمتوسطة الدخل والمناطق الريفية، لا يزال هناك العديد من حالات إعتام عدسة العين غير المشخصة، ويمكن أن يساعد التشخيص عن بعد والفحص باستخدام الذكاء الاصطناعي في تقليل الفجوات في الوصول إلى الرعاية الصحية.
إعتام عدسة العلة سببه الرئيسي التقدم في العمر، ويصل معدل الانتشار بما في ذلك العتامة المبكرة إلى حوالي 45% في الخمسينيات، و75% في الستينيات، و85% في السبعينيات، و100% لمن هم فوق الثمانين. الأنواع الرئيسية للعتامة هي القشرية والنووية وتحت المحفظة الخلفية، وإعتام عدسة العلة القشري هو الأكثر شيوعًا لدى اليابانيين.
لتصنيف شدة إعتام عدسة العلة، تُستخدم أنظمة مثل LOCS III (نظام تصنيف عتامة العدسة III) وتصنيف منظمة الصحة العالمية وتصنيف إيمري-ليتل. يقيم تصنيف إيمري-ليتل لون النواة على خمس درجات، ويُستخدم على نطاق واسع لتقدير صعوبة الجراحة.
في المراحل المبكرة من إعتام عدسة العلة، غالبًا لا توجد أعراض ذاتية. مع تقدم الحالة، تظهر الأعراض التالية.
لا يوجد علاج دوائي لإزالة عتامة العدسة. في الحالات التي تنخفض فيها الوظيفة البصرية، يكون استحلاب العدسة بالموجات فوق الصوتية (PEA) وزرع العدسة داخل العين (IOL) هو العلاج القياسي. بفضل التقدم في أجهزة الجراحة، أصبحت الجراحة ممكنة من خلال شق صغير يبلغ حوالي 2 مم، مما يتيح العودة المبكرة إلى المجتمع. في السنوات الأخيرة، يتم استخدام جراحة إعتام عدسة العين بمساعدة ليزر الفيمتو ثانية في الممارسة السريرية أيضًا.
يتم تشخيص إعتام عدسة العين حاليًا سريريًا من قبل أطباء العيون باستخدام المصباح الشقي، ويتطلب الفحص وجهًا لوجه. ومع ذلك، في البلدان النامية والمناطق الريفية، يمثل إعتام عدسة العين غير المشخص مشكلة كبيرة بسبب صعوبة الوصول إلى الرعاية.
يمكن لمنصات التشخيص عن بعد المدعومة بالذكاء الاصطناعي أن تقلل من هذه العوائق. التشخيص السريع مهم بشكل خاص في إعتام عدسة العين لدى الأطفال لمنع الحول غير القابل للعلاج.
بناءً على صور المصباح الشقي
نموذج Wu وآخرين: تم تدريبه على حوالي 38,000 صورة مصباح شقي. حقق حساسية ونوعية تزيد عن 95% في كشف إعتام عدسة العين وتصنيف شدته. كما أبلغ عن حساسية ونوعية حوالي 80% في تحديد صلابة النواة بثلاث درجات.
لي وآخرون (Visionome): تشخيص أمراض الجزء الأمامي من العين بما في ذلك إعتام عدسة العين من صور المصباح الشقي. دقة تتراوح بين 79.47% و99.22%، متفوقة على أطباء العيون ذوي الخبرة لمدة عام واحد.
قائم على صور قاع العين
نموذج شو وآخرون: خوارزمية مجموعة CNN (AlexNet + VisualDN) باستخدام صور قاع العين كمدخل. حققت دقة 86.2% في اكتشاف وتصنيف إعتام عدسة العين.
نموذج قائم على ResNet (وو وآخرون): تم الإبلاغ عن AUC > 0.99 في التمييز بين ثلاث مراحل: عدسة إعتام عدسة العين، العين بعد زرع العدسة داخل العين، والعين الطبيعية.
اقترح وو وآخرون نموذجًا من ثلاث مراحل: (1) المراقبة الذاتية عبر الهاتف الذكي، (2) التشخيص بالذكاء الاصطناعي باستخدام صور الجزء الأمامي، (3) الاستشارة عن بعد من قبل أخصائيي العيون عبر منصة سحابية. ويزعمون أن هذا النظام يمكن أن يزيد عدد السكان الذي يغطيه طبيب عيون واحد بمقدار 10 أضعاف. منذ نشر ورقة بحثية حول فحص اعتلال الشبكية السكري في عام 2016، تقدم تشخيص الذكاء الاصطناعي في طب العيون في أمراض الشبكية والزرق باستخدام صور قاع العين و OCT للجزء الخلفي، لكن في السنوات الأخيرة، تزايد تطبيقه على صور المصباح الشقي للجزء الأمامي.
على الرغم من أن الأمر لا يزال في مرحلة البحث، فقد تم اقتراح نظام يقوم فيه الذكاء الاصطناعي بتحليل صور الجزء الأمامي من العين الملتقطة بالهاتف الذكي لتحديد وجود إعتام عدسة العين وشدته. هناك حاجة إلى مزيد من التحقق للتطبيق السريري، لكنه قد يكون مفيدًا للفحص في المناطق النائية.
تتطلب جراحة إعتام عدسة العين نتائج انكسارية دقيقة بعد العملية. في معادلات حساب العدسة داخل العين التقليدية، كانت دقة التنبؤ غير كافية للعين بعد جراحة تصحيح الانكسار أو للمرضى ذوي القياسات الحيوية المتطرفة. تعالج معادلات الجيل الجديد التي تستخدم الذكاء الاصطناعي هذه المشكلة.
| الصيغة | الميزات | ملاحظات |
|---|---|---|
| صيغة Kane | نظرية + تحليل الانحدار بالذكاء الاصطناعي | أداء ضمن أفضل 3 باستمرار في التجارب المقارنة |
| Hill-RBF | التعرف على الأنماط القائم على الشبكات العصبية الاصطناعية | تحليل مجموعة بيانات انكسارية كبيرة |
| PEARL-DGS | خطية المخرجات مع التعلم الآلي | ضبط القياسات الحيوية المتطرفة |
معادلة Kane هي مزيج من نموذج قائم على النظرية مع تحليل الانحدار ومكونات الذكاء الاصطناعي. في الدراسات المقارنة، تفوقت على معادلات الجيل الثالث مثل Barrett Universal II وHaigis وOlsen، وحافظت باستمرار على أداء ضمن أفضل ثلاث معادلات من الجيل الجديد. تظهر نتائج معقولة حتى في حالات طول المحور العيني المتطرف.
Hill-RBF (دالة الأساس الشعاعي) هي آلة حاسبة لعدسة العين الداخلية تعتمد على الشبكة العصبية الاصطناعية، وتحلل مجموعة بيانات ضخمة من نتائج الانكسار باستخدام التعرف على الأنماط واستيفاء البيانات.
معادلة PEARL-DGS تستخدم نمذجة التعلم الآلي وخطية المخرجات للتنبؤ بموضع العدسة الفعال وضبط القياسات الحيوية المتطرفة.
Karmona هو نهج يعتمد على البيانات لحساب قوة العدسة داخل العين، ويستخدم نماذج تعلم آلي متعددة مثل أقرب الجيران (KNN) والشبكات العصبية الاصطناعية (ANN) وآلات المتجهات الداعمة (SVM) والغابة العشوائية للتنبؤ بالقوة.
تعتمد الصيغ التقليدية لحساب العدسة داخل العين على نماذج نظرية محددة، مما قد يؤدي إلى أخطاء كبيرة في حالات العيون بعد جراحة الانكسار أو حالات طول المحور الطويل أو القصير جدًا. أما الصيغ القائمة على الذكاء الاصطناعي فتعلم الأنماط من بيانات ضخمة، مما يحافظ على دقة تنبؤ عالية حتى في هذه الحالات الخاصة.
يُستخدم الذكاء الاصطناعي أيضًا في تدريب جراحة الساد، واتخاذ القرارات أثناء الجراحة، والتحليل بعد الجراحة.
تتكون جراحة إعتام عدسة العين من عدة مراحل (بضع المحفظة الأمامية، معالجة النواة، شفط القشرة، إدخال العدسة داخل العين). يمكن للتحليل التلقائي لفيديو الجراحة باستخدام الذكاء الاصطناعي تحديد كل مرحلة.
يعد التحديد التلقائي للمراحل أساسًا لتقييم المهارات الجراحية حسب المرحلة وتقديم التغذية الراجعة في الوقت الفعلي.
قام Lanza وآخرون بتحليل 1,229 عملية جراحية لإعتام عدسة العين تضمنت 73 خطأ، وبنوا نموذج ذكاء اصطناعي للكشف عن عوامل خطر المضاعفات أثناء الجراحة والتنبؤ بإجمالي وقت الجراحة.
Eyesi (شركة Haag-Streit) هو نظام تدريب تجاري قائم على المحاكاة في طب العيون، يوفر تعليمًا ذكيًا يجمع بين الواقع الافتراضي (VR) والذكاء الاصطناعي (AI). يبني بيئة تمكن المتعلمين من اكتساب المهارات الإجرائية قبل التعامل مع المرضى الحقيقيين.
إذا نجح الإدخال السريري للذكاء الاصطناعي في رعاية إعتام عدسة العين، فمن المتوقع تحقيق فوائد طويلة الأجل مثل تحسين الكفاءة الطبية، وتحسين الوصول، وخفض التكاليف. وستكون الفوائد كبيرة بشكل خاص للفئات ذات الدخل المنخفض.
ومع ذلك، هناك التحديات التالية للوصول إلى التطبيق العملي.
حتى الآن، تم إثبات موثوقية عدد قليل جدًا من الخوارزميات في البيئات السريرية. هناك حاجة إلى مزيد من التجارب العشوائية المضبوطة لإثبات فائدة أنظمة الذكاء الاصطناعي.
على الرغم من الإبلاغ عن دقة عالية على مستوى الأبحاث، إلا أن هناك لا تزال تحديات أمام التطبيق الكامل في الممارسة السريرية. من الضروري التحقق من قابلية التعميم عبر مجموعات سكانية مختلفة، والتحقق من الفعالية من خلال تجارب سريرية واسعة النطاق، وإنشاء إدارة أخلاقية للبيانات. في الوقت الحالي، الاستخدام العملي هو كأداة مساعدة لتشخيص أطباء العيون.
