بر اساس گزارش سازمان جهانی بهداشت، این بیماری عامل بیش از نیمی از موارد نابینایی در جهان است. آمارهای ارائه‌شده از سوی مراکز بین‌المللی نیز نشان می‌دهند که میلیون‌ها نفر در کشورهای مختلف با این بیماری دست‌وپنجه نرم می‌کنند. برای مثال تنها در آمریکا، سالانه حدود سه میلیون عمل جراحی آب مروارید انجام می‌شود که هزینه‌ای چند میلیارد دلاری برای نظام سلامت به همراه دارد.

با وجود پیشرفت‌های پزشکی، هنوز در بسیاری از نقاط دنیا، به‌ویژه در مناطق کم‌برخوردار، دسترسی به خدمات غربالگری و تشخیص زودهنگام محدود است. به همین دلیل، یافتن روش‌های کم‌هزینه‌تر، دقیق‌تر و در دسترس‌تر برای تشخیص و مدیریت این بیماری، یک ضرورت به شمار می‌رود.

یکی از چالش‌های اساسی در مقابله با آب مروارید، این است که بیماری در مراحل اولیه، علائم واضحی ندارد و بسیاری از بیماران زمانی متوجه مشکل خود می‌شوند که بینایی‌شان به‌طور محسوس کاهش یافته است. در این شرایط، به‌کارگیری فناوری‌های نوین مانند هوش مصنوعی می‌تواند به کمک نظام سلامت بیاید. هوش مصنوعی، توانایی تحلیل داده‌های پیچیده، یادگیری از تجربیات و ارائه تصمیم‌های دقیق را دارد.

در سال‌های اخیر، الگوریتم‌های مبتنی بر هوش مصنوعی در زمینه‌های مختلف پزشکی، از جمله بیماری‌های چشمی، استفاده شده‌اند. به کمک این فناوری می‌توان بیماری‌هایی مانند آب مروارید را با دقت بالا و حتی پیش از بروز علائم تشخیص داد. چنین قابلیتی می‌تواند نقش مهمی در پیشگیری از نابینایی و افزایش کیفیت زندگی بیماران ایفا کند.

در همین خصوص، مریم زحمت‌کشان، استادیار گروه فناوری اطلاعات سلامت از دانشگاه علوم پزشکی فسا، به همراه یکی از همکاران خود و با همکاری دانشگاه علوم پزشکی کرمان، پژوهشی انجام داده‌اند تا نقش تکنیک‌های هوش مصنوعی در تشخیص و مدیریت بیماری آب مروارید را بررسی کنند. آن‌ها در این تحقیق به دنبال آن بودند که بفهمند آیا می‌توان از الگوریتم‌های مختلف یادگیری ماشینی و تحلیل داده برای کمک به پزشکان در تشخیص سریع‌تر و دقیق‌تر این بیماری استفاده کرد یا خیر.

برای انجام این پژوهش، محققان با استفاده از روش مرور سیستماتیک، مطالعات منتشرشده مرتبط با موضوع را بررسی کردند. آن‌ها تمامی مقالات علمی انگلیسی‌زبان مرتبط با کاربرد هوش مصنوعی در زمینه آب مروارید را از سه پایگاه اطلاعاتی اصلی یعنی PubMed، Scopus و Web of Science استخراج کرده و به صورت دقیق بررسی نمودند.

نتایج این بررسی ها نشان دادند که روش‌های مختلف هوش مصنوعی، از جمله الگوریتم‌هایی مانند شبکه عصبی پیچشی، درخت تصمیم، یادگیری عمیق و چند الگوریتم پیشرفته دیگر، توانسته‌اند در حدود ۷۰ درصد موارد در تشخیص بیماری، ۱۷ درصد در مدیریت و ۱۳ درصد در پیش‌بینی آن به کار گرفته شوند. این روش‌ها به پزشکان کمک می‌کنند تا با سرعت و دقت بیشتری نسبت به روش‌های سنتی، بیماران را شناسایی و درمان کنند.

از مهم‌ترین یافته‌های این پژوهش آن است که الگوریتم‌های یادگیری عمیق، مخصوصاً شبکه‌های عصبی پیچشی، بیشترین کاربرد را در تشخیص دقیق آب مروارید داشته‌اند. در زمینه مدیریت بیماری نیز، از مدل‌هایی مانند درخت تصمیم و الگوریتم‌های بیزی استفاده شده است. این روش‌ها نه تنها کارایی بالایی داشته‌اند، بلکه می‌توانند از نظر زمانی و مالی نیز به نفع نظام درمانی باشند.

به گفته پژوهشگران، این یافته‌ها نشان می‌دهند که استفاده از سیستم‌های هوش مصنوعی می‌تواند شکاف موجود در خدمات درمانی را کاهش دهد، به‌ویژه در مناطق محروم یا روستایی که پزشکان متخصص کمتر حضور دارند. حتی اپلیکیشن‌های ساده موبایلی که بر پایه الگوریتم‌های هوش مصنوعی طراحی می‌شوند، می‌توانند به پرسنل درمانی در مناطق دورافتاده برای شناسایی بیماران مشکوک کمک کنند. این ابزارها ممکن است در آینده، بخشی از برنامه‌های غربالگری سلامت در کشورها به‌ویژه کشورهای در حال توسعه شوند.

قابل ذکر است مقاله علمی پژوهشی برگرفته از این تحقیق در دوماهنامه «پیاورد سلامت»، منتشر شده است. این نشریه زیر نظر دانشگاه علوم پزشکی تهران فعالیت می‌کند و یکی از منابع معتبر در حوزه سلامت عمومی و تحقیقات پزشکی در کشور به شمار می‌رود.