WebTech Rodos: Μια εντυπωσιακή εξέλιξη έρχεται να αλλάξει τον τρόπο με τον οποίο αντιμετωπίζονται οι παθήσεις των ματιών. Ερευνητές παρουσίασαν στο 43ο Συνέδριο της European Society of Cataract and Refractive Surgeons ότι η τεχνητή νοημοσύνη μπορεί να προβλέψει με μεγάλη ακρίβεια ποιοι ασθενείς κινδυνεύουν να χάσουν την όρασή τους λόγω κερατόκωνου, χρόνια πριν οι γιατροί μπορέσουν να το διαγνώσουν με τις κλασικές μεθόδους. Ο κερατόκωνος είναι μια πάθηση που εμφανίζεται συνήθως σε εφήβους ή νέους ενήλικες και προκαλεί σταδιακή παραμόρφωση του κερατοειδούς, ο οποίος διογκώνεται προς τα έξω. Αν και σε ήπιες περιπτώσεις η χρήση φακών επαφής αρκεί για τη διαχείριση της όρασης, σε αρκετούς ασθενείς η νόσος εξελίσσεται γρήγορα και χωρίς θεραπεία μπορεί να οδηγήσει σε μεταμόσχευση κερατοειδούς. Υπολογίζεται ότι επηρεάζει έως και έναν άνθρωπο ανά 350 άτομα, αποτελώντας την πιο συχνή αιτία μεταμοσχεύσεων κερατοειδούς στον δυτικό κόσμο.
Μέχρι σήμερα, οι γιατροί δεν είχαν τρόπο να γνωρίζουν ποιοι ασθενείς χρειάζονται άμεση θεραπεία και ποιοι μπορούν να παρακολουθούνται χωρίς παρέμβαση. Η μόνη πρακτική ήταν η τακτική παρακολούθηση με εξετάσεις που συχνά κρατούσε χρόνια, μέχρι να διαπιστωθεί αν η κατάσταση επιδεινώνεται. Αυτό όμως σήμαινε ότι πολλές φορές η θεραπεία εφαρμοζόταν αργά, αφού η βλάβη είχε ήδη γίνει. Η νέα μελέτη, υπό τον Dr. Shafi Balal από το Moorfields Eye Hospital και το University College London, αξιοποίησε πάνω από 36.000 τομογραφίες οπτικής συνοχής (OCT) ματιών από 6.684 ασθενείς. Ο αλγόριθμος τεχνητής νοημοσύνης εκπαιδεύτηκε ώστε να αναλύει το σχήμα του κερατοειδούς και άλλα δεδομένα και να προβλέπει με ακρίβεια αν ένας ασθενής βρίσκεται σε υψηλό κίνδυνο. Εντυπωσιακά, το μοντέλο μπορούσε από την πρώτη κιόλας εξέταση να κατηγοριοποιήσει δύο στους τρεις ασθενείς σε χαμηλού κινδύνου και το υπόλοιπο τρίτο σε υψηλού κινδύνου, προτείνοντας την έγκαιρη θεραπεία cross-linking. Με επιπλέον δεδομένα από δεύτερη επίσκεψη, η ακρίβεια έφτανε το 90%. Η θεραπεία cross-linking, που βασίζεται στη χρήση υπεριώδους ακτινοβολίας και σταγόνων βιταμίνης Β2, ενισχύει τον κερατοειδή και σταματά την εξέλιξη της νόσου σε περισσότερες από 95% των περιπτώσεων. Όταν εφαρμόζεται εγκαίρως, αποτρέπει την ανάγκη για μεταμόσχευση και προστατεύει την όραση. Ο Dr. Balal εξήγησε ότι η έρευνα αυτή είναι η πρώτη που πετυχαίνει τέτοιο επίπεδο ακρίβειας στην πρόβλεψη της εξέλιξης του κερατόκωνου, χρησιμοποιώντας συνδυασμό απεικονιστικών δεδομένων και ιστορικού ασθενών σε τόσο μεγάλο δείγμα. Αν και η μελέτη περιορίστηκε σε ένα συγκεκριμένο μηχάνημα OCT, οι ίδιες μέθοδοι μπορούν να εφαρμοστούν και σε άλλες συσκευές. Ο αλγόριθμος θα υποβληθεί τώρα σε περαιτέρω ελέγχους ασφαλείας προτού χρησιμοποιηθεί στην κλινική πράξη. Τα οφέλη είναι πολλαπλά: οι ασθενείς υψηλού κινδύνου θα μπορούν να λάβουν έγκαιρη θεραπεία πριν εμφανιστεί μόνιμη βλάβη, ενώ οι χαμηλού κινδύνου θα γλιτώσουν από περιττές, επαναλαμβανόμενες εξετάσεις. Έτσι, εξοικονομούνται πόροι για τα συστήματα υγείας και οι ειδικοί μπορούν να επικεντρωθούν εκεί όπου υπάρχει μεγαλύτερη ανάγκη. Η ερευνητική ομάδα εργάζεται ήδη πάνω σε έναν ακόμα πιο εξελιγμένο αλγόριθμο, εκπαιδευμένο σε εκατομμύρια σαρώσεις ματιών, που θα μπορεί να προσαρμόζεται σε διαφορετικές ανάγκες. Πέρα από τον κερατόκωνο, στόχος είναι να εντοπίζει μολύνσεις ή κληρονομικές παθήσεις του ματιού, δίνοντας στους γιατρούς ένα ισχυρό εργαλείο για την πρόληψη σοβαρών προβλημάτων όρασης. Ο Dr. José Luis Güell, επικεφαλής του τμήματος Κερατοειδούς, Καταρράκτη και Διαθλαστικής Χειρουργικής στο Instituto de Microcirugía Ocular στη Βαρκελώνη, σχολίασε ότι η συγκεκριμένη τεχνολογία μπορεί να αποδειχθεί καθοριστική. Όπως είπε, το πρόβλημα με τον κερατόκωνο δεν είναι ότι δεν υπάρχει θεραπεία, αλλά ότι οι γιατροί δυσκολεύονται να αποφασίσουν πότε και σε ποιους πρέπει να εφαρμοστεί. Αυτό έχει ως αποτέλεσμα καθυστερήσεις και συχνά σοβαρή απώλεια όρασης. Αν η τεχνητή νοημοσύνη συνεχίσει να δείχνει συνέπεια στην πρόβλεψη, τότε η διάγνωση και η θεραπεία θα μπορούν να γίνονται πολύ νωρίτερα, μειώνοντας τα περιστατικά μεταμοσχεύσεων και τις επιπτώσεις σε ασθενείς νεαρής ηλικίας. [via]
πηγή: techblog.gr
