متخصصان مراقبت از چشم می‌توانند به زودی روی کمک هوش مصنوعی در تشخیص «کراتیت»(Keratitis) عفونی که علت اصلی کوری قرنیه در سراسر جهان است، حساب کنند زیرا پژوهش جدید «دانشگاه بیرمنگام»(University of Birmingham) نشان می‌دهد که مدل‌های یادگیری عمیق، سطوح مشابهی از دقت را در شناسایی عفونت چشم دارند.

به نقل از وب‌سایت رسمی دانشگاه بیرمنگام، دکتر «دارن تینگ»(Darren Ting) پژوهشگر دانشگاه بیرمنگام با یک گروه بین‌المللی از پژوهشگران، ۳۵ پژوهش را که از مدل‌های یادگیری عمیق برای تشخیص کراتیت عفونی استفاده کرده بودند، مورد بررسی قرار دادند.

دقت مدل‌های هوش مصنوعی به‌کاررفته در این پژوهش با دقت تشخیصی چشم‌پزشکان مطابقت داشت. حساسیت مدل‌ها ۸۹.۲ درصد و حساسیت چشم‌پزشکان ۸۲.۲ درصد بود.

مدل‌های این پژوهش، بیش از ۱۳۶ هزار تصویر قرنیه را به صورت ترکیبی تحلیل کردند و پژوهشگران گفتند که نتایج بیشتر نشان‌دهنده امکان استفاده از هوش مصنوعی در محیط‌های بالینی است.

تینگ گفت: پژوهش ما نشان می‌دهد که هوش مصنوعی توانایی ارائه تشخیص‌های سریع و قابل اعتماد را دارد که می‌توانند نحوه مدیریت عفونت‌های قرنیه را در سطح جهان متحول کنند. این امر به ویژه برای مناطقی که دسترسی محدودی به مراقبت‌های تخصصی چشم دارند، امیدوارکننده است و می‌تواند به کاهش بار نابینایی قابل پیشگیری در سراسر جهان کمک کند.

مدل‌های هوش مصنوعی در تفکیک چشم‌های سالم، قرنیه‌های عفونی و علل گوناگون کراتیت عفونی مانند عفونت‌های باکتریایی یا قارچی نیز مؤثر بودند.

اگرچه یافته‌های این پژوهش، پتانسیل یادگیری عمیق را در مراقبت‌های بهداشتی برجسته می‌کنند اما پژوهشگران تاکید کردند که به داده‌های متنوع‌تر و اعتبارسنجی بیشتری برای افزایش قابلیت اطمینان این مدل‌ها در استفاده بالینی نیاز است.

این پژوهش در مجله «eClinicalMedicine» به چاپ رسید.