मोतियाबिंद सर्जरी के लिए डिजिटल हस्तक्षेप उपकरण

एक नज़र में मुख्य बिंदु

इस रोग के मुख्य बिंदु

• मोतियाबिंद दुनिया भर में लगभग 5.26 करोड़ लोगों में मध्यम से गंभीर दृष्टि हानि का कारण बनने वाला उपचार योग्य अंधत्व का कारण है।
• AI तकनीक मोतियाबिंद निदान, इंट्राओकुलर लेंस (IOL) पावर गणना और सर्जिकल सहायता के तीन क्षेत्रों में आगे बढ़ रही है।
• स्लिट लैंप फोटोग्राफी का उपयोग करने वाले डीप लर्निंग मॉडल मोतियाबिंद का पता लगाने और गंभीरता वर्गीकरण में 95% से अधिक संवेदनशीलता और विशिष्टता प्राप्त करते हैं।
• Kane सूत्र और Hill-RBF जैसे AI-आधारित IOL गणना सूत्र पारंपरिक सूत्रों की तुलना में बेहतर पूर्वानुमान सटीकता दिखाते हैं।
• सर्जरी वीडियो के AI विश्लेषण से ऑपरेशन के दौरान के चरणों की स्वचालित पहचान और जटिलताओं के जोखिम का पूर्वानुमान संभव हो रहा है।
• नैदानिक उपयोग में पूर्ण रूप से शामिल करने के लिए, नैतिक डेटा प्रबंधन, विभिन्न आबादियों में सामान्यीकरण क्षमता, और यादृच्छिक नियंत्रित परीक्षणों द्वारा सत्यापन चुनौतियाँ हैं।

1. मोतियाबिंद सर्जरी के लिए डिजिटल हस्तक्षेप उपकरण

मोतियाबिंद लेंस के आंशिक या पूर्ण धुंधलापन का सामान्य नाम है। दुनिया भर में अनुमानित 5.26 करोड़ लोग मध्यम से गंभीर दृष्टि हानि से पीड़ित हैं, और यह उपचार योग्य अंधत्व का प्रमुख कारण है। मोतियाबिंद सर्जरी सबसे अधिक लागत-प्रभावी चिकित्सा हस्तक्षेपों में से एक है, लेकिन निम्न और मध्यम आय वाले देशों में सीमित संसाधन और लंबी प्रतीक्षा अवधि उपचार में बाधा हैं।

हाल के वर्षों में, कृत्रिम बुद्धिमत्ता (AI) सहित डिजिटल प्रौद्योगिकियों को मोतियाबिंद देखभाल के कई चरणों में लागू किया गया है। AI प्रौद्योगिकी के अनुप्रयोग क्षेत्र मुख्य रूप से तीन श्रेणियों में विभाजित हैं।

• निदान सहायता : स्लिट लैंप फोटोग्राफ और फंडस फोटोग्राफ का उपयोग करके मोतियाबिंद का स्वचालित पता लगाना और गंभीरता वर्गीकरण।
• इंट्राओकुलर लेंस पावर गणना : मशीन लर्निंग एल्गोरिदम द्वारा पोस्ट-ऑपरेटिव अपवर्तक परिणामों की उच्च-सटीकता भविष्यवाणी
• सर्जिकल सहायता : ऑपरेशन के दौरान चरण पहचान, जटिलता जोखिम पूर्वानुमान, वीआर-आधारित प्रशिक्षण

उम्र बढ़ने के साथ मोतियाबिंद सर्जरी की मांग बढ़ रही है, जबकि नेत्र चिकित्सा सेवाएं इस गति को बनाए नहीं रख पा रही हैं। एआई तकनीक को इस आपूर्ति-मांग अंतर को पाटने के साधन के रूप में देखा जा रहा है।

Q मोतियाबिंद देखभाल के लिए AI की आवश्यकता क्यों है?

A

वृद्ध जनसंख्या में वृद्धि के कारण मोतियाबिंद सर्जरी की मांग तेजी से बढ़ रही है, जबकि नेत्र चिकित्सा की आपूर्ति पर्याप्त रूप से विस्तारित नहीं हुई है। विशेष रूप से निम्न और मध्यम आय वाले देशों तथा ग्रामीण क्षेत्रों में अनिदानित मोतियाबिंद अधिक हैं। एआई-संचालित दूरस्थ निदान और स्क्रीनिंग से स्वास्थ्य सेवा तक पहुंच में असमानता को कम किया जा सकता है।

2. मोतियाबिंद का अवलोकन

मोतियाबिंद की महामारी विज्ञान और वर्गीकरण

मोतियाबिंद मुख्य रूप से उम्र बढ़ने के कारण होता है। प्रारंभिक धुंधलापन सहित प्रसार दर 50 वर्ष की आयु में लगभग 45%, 60 वर्ष में 75%, 70 वर्ष में 85% और 80 वर्ष से अधिक में 100% तक पहुँच जाती है। मुख्य धुंधलापन प्रकार कॉर्टिकल, न्यूक्लियर और पोस्टीरियर सबकैप्सुलर हैं। जापानियों में कॉर्टिकल मोतियाबिंद सबसे आम है।

मोतियाबिंद की गंभीरता वर्गीकरण के लिए LOCS III (लेंस ओपेसिटीज क्लासिफिकेशन सिस्टम III), WHO वर्गीकरण और एमरी-लिटिल वर्गीकरण का उपयोग किया जाता है। एमरी-लिटिल वर्गीकरण नाभिक के रंग का 5 चरणों में मूल्यांकन करता है और सर्जरी की कठिनाई का अनुमान लगाने के लिए व्यापक रूप से उपयोग किया जाता है।

मुख्य व्यक्तिपरक लक्षण

मोतियाबिंद के प्रारंभिक चरण में अक्सर कोई व्यक्तिपरक लक्षण नहीं होते हैं। प्रगति के साथ निम्नलिखित लक्षण दिखाई देते हैं।

• दृष्टि में कमी (धुंधली दृष्टि) : जब धुंधलापन केंद्रीय भाग तक फैल जाता है, तो प्रकाश का प्रवेश बाधित होता है।
• फोटोफोबिया (चमक) : धुंधलापन के कारण प्रकाश के प्रकीर्णन से उत्पन्न होता है
• चकाचौंध विकार : विपरीत दिशा से आती गाड़ी की हेडलाइट या तेज धूप में देखने में कठिनाई
• एकाक्षी द्विदृष्टि : लेंस के भीतर असमान अपवर्तनांक परिवर्तन के कारण
• अपवर्तन दोष : नाभिकीय मोतियाबिंद के बढ़ने से निकट दृष्टि दोष हो सकता है

वर्तमान मानक उपचार

मोतियाबिंद को पारदर्शी बनाने के लिए कोई दवा उपचार मौजूद नहीं है। दृष्टि क्षीण होने पर फेकोइमल्सीफिकेशन (PEA) और इंट्राओकुलर लेंस (IOL) प्रत्यारोपण मानक उपचार है। सर्जिकल उपकरणों में प्रगति के कारण लगभग 2 मिमी के छोटे चीरे से सर्जरी संभव है, जिससे शीघ्र सामाजिक पुनर्वास की उम्मीद है। हाल ही में, फेम्टोसेकंड लेजर का उपयोग कर मोतियाबिंद सर्जरी भी नैदानिक रूप से उपयोग की जा रही है।

3. निदान के लिए डिजिटल उपकरण

मोतियाबिंद का निदान वर्तमान में नेत्र रोग विशेषज्ञों द्वारा स्लिट लैंप माइक्रोस्कोप का उपयोग करके किया जाता है, जिसके लिए आमने-सामने परामर्श आवश्यक है। हालांकि, विकासशील देशों और ग्रामीण क्षेत्रों में पहुंच की कमी के कारण अनियंत्रित मोतियाबिंद एक बड़ी समस्या है।

AI-समर्थित दूरस्थ निदान प्लेटफॉर्म इन पहुंच बाधाओं को कम कर सकते हैं। विशेष रूप से बाल मोतियाबिंद में, अपरिवर्तनीय एम्ब्लियोपिया को रोकने के लिए त्वरित निदान अत्यंत महत्वपूर्ण है।

गहन शिक्षण द्वारा मोतियाबिंद का स्वचालित पता लगाना

स्लिट लैंप फोटोग्राफी आधारित

Wu और सहकर्मियों का मॉडल : लगभग 38,000 आँखों की स्लिट लैंप तस्वीरों पर प्रशिक्षित। मोतियाबिंद का पता लगाने और गंभीरता वर्गीकरण में 95% से अधिक संवेदनशीलता और विशिष्टता प्राप्त करता है। नाभिकीय कठोरता के तीन स्तरों के निर्धारण में भी लगभग 80% संवेदनशीलता और विशिष्टता की सूचना दी गई।

ली एट अल. (Visionome) : स्लिट लैंप फोटोग्राफ से मोतियाबिंद सहित पूर्वकाल खंड रोगों का निदान। सटीकता 79.47-99.22%, जो एक वर्ष के नैदानिक अनुभव वाले नेत्र रोग विशेषज्ञ से बेहतर प्रदर्शन दर्शाती है।

फंडस फोटो आधारित

Xu एट अल. का मॉडल : इनपुट के रूप में फंडस फोटो का उपयोग करने वाला CNN एन्सेम्बल एल्गोरिदम (AlexNet + VisualDN)। मोतियाबिंद का पता लगाने और वर्गीकरण में 86.2% सटीकता प्राप्त की।

ResNet-आधारित मॉडल (Wu एट अल.) : मोतियाबिंद लेंस, इंट्राओकुलर लेंस आंख और सामान्य आंख के तीन-चरणीय भेदभाव में AUC 0.99 से अधिक की सूचना दी।

Wu एट अल. ने तीन-चरणीय मॉडल प्रस्तावित किया: (1) स्मार्टफोन द्वारा स्व-निगरानी, (2) पूर्वकाल खंड फोटो द्वारा AI निदान, (3) क्लाउड प्लेटफॉर्म का उपयोग कर नेत्र रोग विशेषज्ञ द्वारा टेलीमेडिसिन। इस प्रणाली से एक नेत्र रोग विशेषज्ञ द्वारा कवर की जाने वाली जनसंख्या दस गुना बढ़ सकती है। नेत्र विज्ञान में AI निदान, 2016 में डायबिटिक रेटिनोपैथी स्क्रीनिंग पेपर प्रकाशित होने के बाद, फंडस फोटो और पोस्टीरियर सेगमेंट OCT का उपयोग कर रेटिना रोगों और ग्लूकोमा में अग्रणी रहा है, लेकिन हाल के वर्षों में पूर्वकाल खंड स्लिट लैंप फोटो में अनुप्रयोग बढ़ रहा है।

टेलीडायग्नोसिस की संभावना

यदि फोटोग्राफी विधि और गुमनामीकरण तथा भंडारण प्रारूपों का मानकीकरण आगे बढ़ता है, तो पूर्वकाल खंड की छवि संग्रह नाटकीय रूप से अधिक कुशल हो जाएगा। वीडियो रिकॉर्डिंग का उपयोग करके, यह उम्मीद की जाती है कि नेत्र रोग विशेषज्ञ नहीं होने वाले डॉक्टरों या आम जनता द्वारा ली गई छवियों से भी नैदानिक निष्कर्ष प्राप्त करना संभव हो जाएगा।

Q क्या स्मार्टफोन से मोतियाबिंद का निदान किया जा सकता है?

A

हालांकि यह अनुसंधान चरण में है, एक ऐसी प्रणाली प्रस्तावित की गई है जिसमें स्मार्टफोन से ली गई पूर्वकाल खंड छवियों का AI द्वारा विश्लेषण कर मोतियाबिंद की उपस्थिति और गंभीरता का निर्धारण किया जाता है। नैदानिक अनुप्रयोग के लिए और अधिक सत्यापन आवश्यक है, लेकिन यह दूरदराज के क्षेत्रों में जांच के लिए उपयोगी हो सकता है।

4. इंट्राओकुलर लेंस पावर गणना के लिए डिजिटल उपकरण

मोतियाबिंद सर्जरी में सटीक पोस्ट-ऑपरेटिव अपवर्तन परिणामों की आवश्यकता होती है। पारंपरिक इंट्राओकुलर लेंस गणना सूत्र अपवर्तक सर्जरी के बाद की आंखों या अत्यधिक बायोमेट्रिक माप वाले रोगियों में अपर्याप्त पूर्वानुमान सटीकता प्रदान करते थे। AI-संचालित नई पीढ़ी के सूत्र इस चुनौती का समाधान कर रहे हैं।

पारंपरिक AI में सुधार

• Sramka एट अल. : SVM रिग्रेशन मॉडल और मल्टी-लेयर न्यूरल नेटवर्क एन्सेम्बल मॉडल (MLNN-EM) का मूल्यांकन किया, दोनों ने पारंपरिक नैदानिक विधियों से बेहतर पूर्वानुमान सटीकता की सूचना दी।
• Ladas एट अल. : मौजूदा इंट्राओकुलर लेंस गणना सूत्रों (SRK, Holladay I, Ladas Super formula) को पर्यवेक्षित शिक्षण एल्गोरिदम (SVR, XGB, ANN) के साथ जोड़कर पूर्वानुमानों को परिष्कृत किया।

AI-आधारित नई पीढ़ी के इंट्राओकुलर लेंस गणना सूत्र

गणना सूत्र	विशेषताएँ	टिप्पणियाँ
केन सूत्र	सिद्धांत + AI प्रतिगमन विश्लेषण	तुलनात्मक परीक्षणों में लगातार शीर्ष 3 प्रदर्शन
हिल-आरबीएफ	ANN-आधारित पैटर्न पहचान	बड़े अपवर्तन डेटासेट का विश्लेषण
PEARL-DGS	ML आउटपुट का रैखिकीकरण	अत्यधिक बायोमेट्रिक मापों के लिए समायोजन

केन सूत्र एक सैद्धांतिक मॉडल को प्रतिगमन विश्लेषण और AI घटकों के साथ जोड़ता है। तुलनात्मक अध्ययनों में, यह बैरेट यूनिवर्सल II, हैगिस और ओल्सन जैसे तीसरी पीढ़ी के सूत्रों से बेहतर प्रदर्शन करता है, और नई पीढ़ी के सूत्रों में लगातार शीर्ष तीन में बना रहता है। यह अक्षीय लंबाई के चरम मामलों में भी उचित परिणाम दिखाता है।

हिल-आरबीएफ (रेडियल बेसिस फंक्शन) एक कृत्रिम तंत्रिका नेटवर्क-आधारित इंट्राओकुलर लेंस कैलकुलेटर है, जो पैटर्न पहचान और डेटा इंटरपोलेशन के माध्यम से अपवर्तन परिणामों के एक विशाल डेटासेट का विश्लेषण करता है।

पर्ल-डीजीएस सूत्र प्रभावी लेंस स्थिति की भविष्यवाणी और अत्यधिक बायोमेट्रिक मापों के समायोजन के लिए मशीन लर्निंग मॉडलिंग और आउटपुट के रैखिकीकरण का उपयोग करता है।

Karmona एक डेटा-संचालित इंट्राओकुलर लेंस पावर गणना दृष्टिकोण है, जो K-निकटतम पड़ोसी, ANN, SVM, रैंडम फ़ॉरेस्ट जैसे कई मशीन लर्निंग मॉडल का उपयोग करके पावर का अनुमान लगाता है।

Q इंट्राओकुलर लेंस गणना में AI का उपयोग करने के क्या लाभ हैं?

A

पारंपरिक इंट्राओकुलर लेंस गणना सूत्र विशिष्ट सैद्धांतिक मॉडल पर आधारित होते हैं, जिसके कारण अपवर्तक सर्जरी के बाद की आंखों या अत्यधिक लंबी/छोटी अक्षीय लंबाई वाले मामलों में त्रुटि बड़ी हो सकती है। AI-आधारित सूत्र बड़े डेटा से पैटर्न सीखते हैं, इसलिए वे ऐसे विशेष मामलों में भी उच्च पूर्वानुमान सटीकता बनाए रख सकते हैं।

5. सर्जरी के लिए डिजिटल उपकरण

AI का उपयोग मोतियाबिंद सर्जरी प्रशिक्षण, ऑपरेशन के दौरान निर्णय लेने और पोस्ट-ऑपरेटिव विश्लेषण में भी किया जाता है।

ऑपरेशन के दौरान चरणों की स्वचालित पहचान

मोतियाबिंद सर्जरी कई चरणों (पूर्वकाल कैप्सुलोटॉमी, लेंस न्यूक्लियस प्रसंस्करण, कॉर्टेक्स एस्पिरेशन, इंट्राओकुलर लेंस प्रत्यारोपण आदि) से बनी होती है। AI का उपयोग करके सर्जिकल वीडियो के स्वचालित विश्लेषण से प्रत्येक चरण की पहचान संभव है।

• Yu एट अल. : अकेले वीडियो छवियों की तुलना में सर्जिकल उपकरणों की लेबल जानकारी को मिलाकर चरण पहचान की उच्चतम सटीकता प्राप्त की गई।
• Quellec एट अल. : रीयल-टाइम सर्जिकल कार्य पहचान में सक्षम एक स्वायत्त वीडियो विश्लेषण प्रणाली विकसित की गई।

चरणों की स्वचालित पहचान, सर्जिकल कौशल के चरण-वार मूल्यांकन और रीयल-टाइम फीडबैक का आधार है।

अंतःक्रियात्मक जटिलता जोखिम का पूर्वानुमान

लांज़ा एट अल. ने 73 त्रुटियों सहित 1,229 मोतियाबिंद सर्जरी का विश्लेषण किया और अंतःक्रियात्मक जटिलताओं के जोखिम कारकों का पता लगाने और कुल सर्जरी समय का पूर्वानुमान लगाने के लिए एक AI मॉडल बनाया।

वीआर-आधारित सर्जिकल प्रशिक्षण

Eyesi (Haag-Streit) एक व्यावसायिक नेत्र विज्ञान सिमुलेशन-आधारित प्रशिक्षण प्रणाली है, जो आभासी वास्तविकता (VR) और AI को एकीकृत करके बुद्धिमान शिक्षा प्रदान करती है। यह वास्तविक रोगियों से मिलने से पहले शिक्षार्थियों को प्रक्रियात्मक कौशल हासिल करने का वातावरण बनाती है।

एआई-सहायता प्राप्त सर्जरी की वर्तमान स्थिति

सर्जरी सहायक AI अधिकतर अनुसंधान चरण में हैं, और नैदानिक सेटिंग्स में व्यापक रूप से मान्य सिस्टम अभी भी सीमित हैं। AI के निर्णयों पर अत्यधिक भरोसा नहीं करना चाहिए, और अंतिम ऑपरेशन के दौरान निर्णय एक अनुभवी सर्जन द्वारा लिया जाना चाहिए।

6. चुनौतियाँ और भविष्य की संभावनाएँ

रोगियों के लिए: कृपया अवश्य पढ़ें

निम्नलिखित सामग्री वर्तमान में अनुसंधान चरण या नैदानिक परीक्षण में है, और सामान्य अस्पतालों में उपलब्ध मानक उपचार नहीं है। यह भविष्य के चिकित्सा विकास के संबंध में विशेषज्ञों के लिए संदर्भ जानकारी है।

यदि मोतियाबिंद देखभाल में AI का नैदानिक परिचय सफल होता है, तो चिकित्सा दक्षता में सुधार, पहुंच में वृद्धि और लागत में कमी जैसे दीर्घकालिक लाभों की उम्मीद है। विशेष रूप से निम्न आय वर्ग के लिए इसके लाभ बड़े हैं।

हालांकि, व्यावहारिक उपयोग के लिए निम्नलिखित चुनौतियाँ मौजूद हैं।

• नैतिक डेटा प्रबंधन : रोगी डेटा की सुरक्षा और गोपनीयता सुनिश्चित करना
• सामान्यीकरण का सत्यापन : विभिन्न जातियों, क्षेत्रों और उपकरणों के बीच प्रदर्शन की स्थिरता
• नैदानिक सत्यापन की कमी : वास्तविक दुनिया में AI सिस्टम की प्रभावशीलता का मूल्यांकन करने वाले केवल कुछ नैदानिक परीक्षण हैं।
• पूर्वाग्रह का उन्मूलन : यदि प्रशिक्षण डेटा में पूर्वाग्रह है, तो AI के निर्णयों में व्यवस्थित त्रुटियाँ उत्पन्न होती हैं
• उपयोगकर्ता स्वीकार्यता : चिकित्सकों और रोगियों दोनों में AI के प्रति विश्वास और समझ का निर्माण

अब तक, नैदानिक वातावरण में विश्वसनीयता साबित करने वाले एल्गोरिदम बहुत सीमित हैं। AI प्रणालियों की उपयोगिता स्थापित करने के लिए और अधिक यादृच्छिक नियंत्रित परीक्षणों की आवश्यकता है।

Q क्या वह दिन निकट है जब AI मोतियाबिंद का निदान करेगा?

A

शोध स्तर पर उच्च सटीकता की सूचना मिली है, लेकिन नैदानिक सेटिंग में पूर्ण एकीकरण में अभी भी चुनौतियाँ हैं। विभिन्न आबादी में सामान्यीकरण की पुष्टि, बड़े पैमाने पर नैदानिक परीक्षणों द्वारा प्रभावकारिता का सत्यापन, और नैतिक डेटा प्रबंधन की स्थापना आवश्यक है। फिलहाल, नेत्र रोग विशेषज्ञ के निदान में सहायक उपकरण के रूप में इसका उपयोग यथार्थवादी है।

7. संदर्भ

1. Ahuja AS, Paredes AA 3rd, Eisel MLS, et al. Applications of Artificial Intelligence in Cataract Surgery: A Review. Clin Ophthalmol. 2024;18:2969-2975. PMID: 39434720.
2. GBD 2019 Blindness and Vision Impairment Collaborators; Vision Loss Expert Group of the Global Burden of Disease Study. Causes of blindness and vision impairment in 2020 and trends over 30 years, and prevalence of avoidable blindness in relation to VISION 2020: the Right to Sight: an analysis for the Global Burden of Disease Study. Lancet Glob Health. 2021;9(2):e144-e160. PMID: 33275949.
3. Wu X, Huang Y, Liu Z, et al. Universal artificial intelligence platform for collaborative management of cataracts. Br J Ophthalmol. 2019;103(11):1553-1560. PMID: 31481392.
4. Connell BJ, Kane JX. Comparison of the Kane formula with existing formulas for intraocular lens power selection. BMJ Open Ophthalmol. 2019;4(1):e000251. PMID: 31179396.
5. Roberts TV, Hodge C, Sutton G, Lawless M; Vision Eye Institute IOL outcomes registry contributors. Comparison of Hill-radial basis function, Barrett Universal and current third generation formulas for the calculation of intraocular lens power during cataract surgery. Clin Exp Ophthalmol. 2018;46(3):240-246. PMID: 28778114.
6. Yu F, Silva Croso G, Kim TS, et al. Assessment of Automated Identification of Phases in Videos of Cataract Surgery Using Machine Learning and Deep Learning Techniques. JAMA Netw Open. 2019;2(4):e191860. PMID: 30951163.
7. Thomsen ASS, Bach-Holm D, Kjærbo H, et al. Operating Room Performance Improves after Proficiency-Based Virtual Reality Cataract Surgery Training. Ophthalmology. 2017;124(4):524-531. PMID: 28017423.