בינה מלאכותית מאפשרת חיזוי מדויק של עובי שכבת RNFL (Retinal Nerve Fiber Layer) בבדיקת OCT, כך עולה מנתונים שהוצגו במהלך הכנס השנתי מטעם ה-American Academy of Optometry.
החוקרים מסבירים כי רופאים מזהים שינויים רבים בעצבים, אך פעמים רבות קשה להחליט אם מדובר בגלאוקומה. לאור זאת, הם ביקשו לבדוק אם מערכת למידה עמוקה עשויה לסייע במצבים אלו, כאשר ידוע כי יש קורלציה חזקה מאוד בין צפי עובי RNFL על-בסיס תמונות ובין העובי בפועל בבדיקת OCT.
מחקרים קודמים מצאו כי לטכנולוגיית בינה מלאכותית טעות ממוצעת של כ-7 מיקרונים, מדובר בהבדל די קטן, המעיד על התוצאות הטובות של הטכנולוגיה.
המערכת השיגה את התוצאות הטובות לחיזוי גלאוקומה ע"י התמקדות באזור העצב האופטי ושכבת RNFL הסמוכה. הדבר מבוצע עם היקף טבעת מינימאלי וכפי שניתן היה לצפות, התוצאות היו די דומות. חלק עשו זאת גם במטרה לנבא את מדדי עובי שכבת מקולה. החוקרים יצרו מודל זה של מכונה למכונה כך שלא יידרש את המגע לצורך תיוג הצילומים ויהיו ערכי סף ספציפיים יותר לבדיקות סקר. כמו כן, לאחרונה הם הראו כי ניתן לנבא בצורה מדויקת שינוי לאורך זמן, כאשר הם הופתעו מהיכולת של המערכת לנבא התקדמות עם הזמן.
בעיניי החוקרים יש מקום להפיץ את טכנולוגיית בדיקת סקר על-בסיס בינה מלאכותית להערכת צילומי קרקעית עיניים לבתי מרקחת, בדומה לנעשה עם מדידות לחץ דם. מידע זה יכול להיכלל ברשומות הרפואיות וניתן לסמן מטופלים הנדרשים להגיע לביקורת.
מאחר וקשה לאבחן גלאוקומה על-סמך בדיקה חד פעמית, טכנולוגיה זו עשויה לסייע לחולים להיות במעקב לאורך זמן. הרעיון הוא להשתמש בתמונות בנסיבות בהן אין אפשרות להשלים בדיקת OCT, אך עולה השאלה מה מקומה של הטכנולוגיה הנ"ל במקרים בהם OCT זמין והאם הבינה המלאכותית עשויה לספק יותר מידע.
המומחים מסבירים כי טעויות סגמנטציה הן נפוצות בבדיקת OCT כאשר בוחנים את ההדמיות לקביעת עובי שכבת RNFL. אלו אינן מזוהות פעמים רבות אלא אם בוחנים את הדברים לעומק, אך מערכת למידה-עמוקה שפותחה עשויה לסייע בזיהוי טעויות אלו, כאשר האלגוריתם יכול לזהות טעויות שרבים מהרופאים לא יצליחו לזהות.
מתוך הכנס השנתי מטעם ה-American Academy of Optometry
לידיעה ב-Healio