نابینا

علت اصلی نابینایی در بیماران دیابتی

چگونه نشانگر های زیستی جدید کشف شده بر تشخیص زودرس
رتینوپاتی دیابتی تاثیر می گذارند؟

بر اساس تحقیقات جدید انجام شده در دانشکده بینایی سنجی دانشگاه ایندیانا ، نشانگرهای زیستی

جدید در چشم ها می توانند کلید کمک به مدیریت رتینوپاتی دیابتی و شاید حتی دیابت باشند.
در مراحل اولیه، دیابت می تواند چشم ها را تحت تاثیر قرار دهد قبل از اینکه تغییرات با یک معاینه بالینی

منظم قابل تشخیص باشد. با این حال ، تحقیقات جدید شبکیه نشان داده است که می توان این تغییرات

را زودتر از آنچه تصور می شد با تکنیک های نوری تخصصی و تجزیه و تحلیل رایانه ای اندازه گیری کرد.

توانایی تشخیص نشانگرهای زیستی برای این وضعیت تهدید کننده بینایی ممکن است منجر به شناسایی

زودهنگام افراد در معرض خطر دیابت یا نقص بینایی شود و همچنین توانایی پزشکان در مدیریت این بیماران

را بهبود بخشد.

پروفسور برجسته در دانشکده IU بینایی سنجی

Ann E.Elsner ، می گوید: “تشخیص زود هنگام آسیب

شبکیه ناشی از دیابت با روش های بدون درد امکان پذیر است و ممکن است به شناسایی بیماران

تشخیص داده نشده در مراحل اولیه کمک کند تا پیامدهای دیابت کنترل نشده را کاهش دهد.”

رتینوپاتی دیابتی ، که ناشی از تغییرات رگ های خونی در شبکیه چشم است ، شایع ترین بیماری

چشم دیابتی و علت اصلی نابینایی در بزرگسالان ایالات متحده است. از سال ۲۰۱۰ تا ۲۰۵۰ ، انتظار

می رود تعداد آمریکایی های مبتلا به رتینوپاتی دیابتی تقریباً دو برابر شود ، از ۷٫۷ میلیون نفر به

۱۴٫۶ میلیون نفر.
مطالعه جدید بخشی از تأکید گسترده فعلی بر تشخیص رتینوپاتی دیابتی از طریق هوش مصنوعی

است که روی تصاویر شبکیه اعمال می شود. با این حال ، برخی از این الگوریتم ها تشخیص را بر

اساس ویژگی هایی ارائه می دهند که بسیار دیرتر از تغییرات یافت شده در این مطالعه رخ می دهد.

روش رهبری IU به دلیل الگوریتم های پردازش تصویر شبکیه که در مطالعه توضیح داده شد، تشخیص زودتر

را پیش می برد.

دیابت و نابینایی

السنر گفت:

“بسیاری از الگوریتم ها از هرگونه اطلاعات تصویری که بین بیماران دیابتی و گروه های کنترل

متفاوت است استفاده می کنند ، که می تواند مشخص کند چه افرادی ممکن است دیابت داشته باشند،

اما این موارد می توانند غیر اختصاصی باشند.

” “روش ما را می توان با سایر روش های هوش مصنوعی ترکیب کرد تا اطلاعات اولیه را در لایه های خاص

شبکیه یا انواع بافت ها قرار دهیم ، که اجازه می دهد اطلاعاتی که در الگوریتم های دیگر تجزیه و تحلیل

نشده اند، گنجانده شود.”

السنر تجزیه و تحلیل تصویر شبکیه را در آزمایشگاه خود در مرکز تحقیقات چشم پزشکی

IU School of Optometry’s Borish به همراه نویسنده همکارش ، Joel A. Papay ، دانشجو دکتری در برنامه

علوم بینایی دانشگاه انجام داد.

آنها از داده های جمع آوری شده از داوطلبان مبتلا به دیابت به همراه کنترل افراد سالم استفاده کردند.

داده های اضافی نیز از غربالگری رتینوپاتی دیابتی اعضای جامعه محروم در دانشگاه کالیفرنیا ، برکلی و

Alameda Health جمع آوری شد. تجزیه و تحلیل رایانه ای بر روی داده های تصویر شبکیه ای که معمولاً

در کلینیک های مجهز جمع آوری شده انجام می شود ، اما بسیاری از اطلاعات مورد استفاده در این مطالعه

اغلب برای تشخیص یا مدیریت بیماران نادیده گرفته می شود.

گردآورنده:مریم جلالی
مترجم:سیده غزال داودی

 

0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *