چگونه یک آزمایش چشم به تشخیص حملات قلبی کمک می‌کند؟ 

محققان دریافته‌اند که یک آزمایش چشم ساده با کمک «هوش مصنوعی» و بهره بردن از تکنیک «یادگیری خودکار» می‌تواند راهی مناسب و سریع برای تشخیص بیماری‌های قلبی باشد.

بر اساس تحقیقات سازمان جهانی بهداشت، بیماری قلبی مهمترین علت مرگ و میر در جهان است و سالانه ۱۷ میلیون و نهصد هزار نفر در جهان بر اثر این بیماری جان خود را از دست می‌دهند.

به باور کارشناسان سازمان جهانی بهداشت، تشخیص زودهنگام بیماری‌های قلبی که اغلب منجر به حملات قلبی می شود زمانی مناسب و کافی برای درمان در اختیار بیماران قرار می‌دهد و از همین رو می‌تواند نقش به سزایی در نجات جان آنها داشته باشد.

تحقیقات پیشین در همین زمینه نشان داده بود که چگونه شبکه سیاهرگ‌ها و شریان‌های شبکیه چشم می‌تواند نشانه‌های اولیه بیماری قلبی را آشکار کند.

تحقیقات یاد شده به این موضوع اختصاص داشت که چگونه می‌توان با بررسی پهنای رگ‌های خونی شبکیه، بیماری‌های قلبی را پیش‌بینی کرد؛ با این حال مشخص نبود که آیا این یافته‌ها به طور یکسان باید برای مردان و زنان مورد بررسی قرار گیرد یا خیر.

محققان دانشگاه سنت جورج در لندن از یک الگوی تحقیقی مبتنی بر هوش مصنوعی برای بررسی داده‌های یک پایگاه جمع‌آوری اطلاعات از بیماران بریتانیایی و اروپایی استفاده کردند تا از این طریق خطر ابتلا به بیماری‌های قلبی و عروقی در آینده را پیش‌بینی کنند.

پیش بینی خطر بیماری‌های قلبی عروقی

در این تحقیق از یک الگوریتم کاملاً خودکار مجهز به هوش مصنوعی به نام «کوارتز» (یا تجزیه و تحلیل کمیِ توپولوژی و اندازه عروق شبکیه) برای پیش‌بینی سلامت قلب و عروق و یا مرگ ناشی از بیماری‌های قلبی استفاده شده که در تصویربرداری از شبکیه چشم به کار گرفته می‌شود.

الگوریتم یا خوانش خودکار تصاویر شبیکه که در این تکنیک مورد استفاده قرار گرفته داده‌های ذخیره شده از وضعیت شریان‌ها و وریدهای چشمی ۸۸ هزار شهروند ۴۰ تا ۶۹ ساله بریتانیایی را از حیث اندازه پهنا و سطح و نیز میزان انحنا یا خمیدگی مورد بررسی قرار داده تا بدین ترتیب زمینه توسعه یک الگوی پیش‌بینی برای سکته‌های مغزی و حملات قلبی و یا مرگ ناشی از بیماری‌های گردش خون فراهم شود.

آنها سپس این مدل را روی تصاویر شبکیه چشم هفت هزار و ۴۱۱ فرد ۴۸ تا ۹۲ ساله که پیش‌تر از سوی مرکز تحقیقات آینده نگر اروپایی در مورد سرطان مورد آزمایش قرار گرفته‌بودند، اعمال کردند.

وضعیت سلامت همه شرکت‌کنندگان در این تحقیق به‌طور متوسط ​​بین ۷ تا ۹سال به صورت دقیق بررسی و پیگیری شد.

در این مدت ۳۲۷ مورد مرگ ناشی از بیماری‌های گردش خون در میان ۶۴۱ هزار و ۴۴ شرکت‌کننده که داده‌های آنها در پایگاه اطلاعات زیستی بریتانیا ثبت شده بود به وقوع پیوست.

در همین زمان همچنین ۲۰۱ مورد مرگ ناشی از بیماری‌های گردش خون در بین ۵ هزار و ۸۶۲ فردی که اطلاعات آنها در پایگاه داده‌های مرکز اروپایی «اپیک-نورفولک» به ثبت رسیده بود، گزارش شد.

نتیجه آزمایش چشم

الگوهای پیش‌بینی به طور کلی بر اساس سن، سابقه استعمال دخانیات، سابقه پزشکی و عروق شبکیه، بین نیم تا دو سوم مرگ‌های ناشی از بیماری‌های گردش خون را در افرادی که بیشتر در معرض خطر بودند، ثبت کردند.

نتایج بدست آمده از خوانش خودکار تصاویر شبکیه با استفاده از الگوریتم «کواترز» که به هوش مصنوعی مجهز است در چارچوب تکنیک «ریسک فریمینگام»، که از معیار‌های مبتنی بر جنسیت برای پیش‌بینی خطر بیماری‌های قلبی استفاده می‌کند، بررسی و سپس بر مبنای داده‌های سلامت با یکدیگر مقایسه شدند.

این تحقیق نشان داد که کوارتز نسبت به تکنیک «ریسک فریمینگام» توانسته است سکته مغزی را در میان مردان پایگاه داده بریتانیایی و زنان مرکز داده اروپایی به ترتیب حدود ۵ و ۸ درصد بیشتر پیش‌بینی کند.

با این حال آزمایش‌های صورت گرفته در چارچوب «ریسک فریمینگام» موارد بیشتری از حملات قلبی را در میان افرادی که بیشتر در معرض خطر بودند ثبت کرده است.

در مردان، پهنای شریان‌ها و رگ‌ها، پیچ‌خوردگی و گوناگونی پهنای رگ‌های خونی به‌عنوان فاکتورهای مهمی برای پیش‌بینی‌ مرگ‌های ناشی از بیماری گردش خون شناخته شدند.

در زنان، سطح و عرض ناحیه شریانی و ورید‌ها و همچنین پیچ خوردگی و پهنای رگ به پیش بینی خطر حملات قلبی کمک کرد.

روشی کاملاً خودکار و کم‌هزینه

به اعتقاد محققان، اگر چه همراه شدن الگوی اسکن شبکیه چشم و خوانش خودکار آن توسط هوش مصنوعی با امتیازهای روش معمول «ریسک فریمینگام» تنها تأثیری جانبی بر پیش‌بینی سکته مغزی یا حمله قلبی داشته، اما این روش به طور کلی ساده‌تر و غیرتهاجمی‌تر از الگوهای قبلی است و بدون نیاز به آزمایش خون یا اندازه‌گیری فشار خون انجام می‌شود.

تهیه کنندگان این تحقیق معتقدند از آنجایی که تصویربرداری شبکیه در حال حاضر در بریتانیا و ایالات متحده رایج است «پیش‌بینی خطر واسکولومتری مبتنی بر هوش مصنوعی کاملاً خودکار، کم‌هزینه و غیرتهاجمی است. و به علاوه پتانسیل بالاتری را برای دسترسی به جمعیت بیشتری از افراد در اختیار محققان قرار می‌دهد.

با این حال برخی متخصصان بر این باورند که استفاده از الگوی بررسی تغییرات عروق شبکیه برای اطلاع از خطرات قلبی عروقی «مطمئناً جذاب و شهودی است» اما هنوز باید همچنان بخشی از آزمایش‌های بالینی معمول قلمداد شود.

به اعتقاد این دسته از افراد بهره‌گیری از غربالگری شبکیه به این روش احتمالاً مستلزم افزایش قابل توجه شمار چشم پزشکان و یا متخصصان آموزش دیده برای این کار خواهد بود.