به گزارش شهرآرانیوز؛ چشمها دستگاههای بیولوژیکی با وضوح بالا هستند که به ما در تجسم دنیای بیرون کمک میکنند. آنها اکنون به عنوان دریچهای برای ارزیابی سلامت داخلی ما مورد استفاده قرار میگیرند. دانشمندان دریافتهاند که ارزیابی دقیقتر چگونگی پیر شدن شبکیه چشم میتواند درباره سلامت استخوانها به ویژه در بیماریهایی مانند پوکی استخوان که استخوانها را ضعیفتر و مستعد شکستگی میکند، نکات مهمی را ارائه دهد.
دانشمندان در پژوهش جدیدی که در سنگاپور و انگلستان انجام شد، بیش از ۴۵ هزار تصویر شبکیه را جمعآوری کردند و یک مدل هوش مصنوعی به نام «RetiAGE» را برای تخمین سن بیولوژیکی شبکیه به کار بردند. هنگامی که پژوهشگران سن شبکیه را با تراکم مواد معدنی استخوان مقایسه کردند، رابطه معکوسی را بین این دو یافتند.
در میان شرکتکنندگان اهل سنگاپور، افرادی که شبکیههای پیرتری داشتند، تراکم مواد معدنی کمتری را در استخوان نشان دادند و خطر شکستگی استخوان در آنها بالاتر بود. در شرکتکنندگان اهل انگلستان که بیش از یک دهه مورد بررسی قرار گرفتند، بالا بودن سن بیولوژیکی شبکیه در ابتدای پژوهش، پیشبینیکننده افزایش احتمال ابتلا به پوکی استخوان در پایان آن است.
پوکی استخوان یک بیماری دژنراتیو استخوانی است که به از دست دادن جرم و تراکم استخوانها منجر میشود و ساختار داخلی را که به استخوانها قدرت میدهد نیز دستخوش تغییر میکند. این تغییرات به مرور زمان به ضعف استخوانها منجر میشوند و آنها را مستعد شکستگی میکنند. امروزه از هر پنج نفر، یک نفر با پوکی استخوان زندگی میکند و خطر ابتلا به این بیماری با افزایش سن به طور قابل توجهی بالا میرود.
آمار «بنیاد بینالمللی پوکی استخوان»، تأثیر سرسامآور پوکی استخوان را هم بر افراد و هم بر سیستمهای مراقبت بهداشتی در سراسر جهان برجسته میکند. شکستگیهای لگن ناشی از پوکی استخوان، خطرناکترین عواقب را دارند. در این موارد، میزان مرگومیر در سال اول به ۲۰ تا ۲۴ درصد میرسد. تلفات حتی در میان بازماندگان نیز شدید است. تقریباً ۴۰ درصد از آنها توانایی راه رفتن مستقل را از دست میدهند و از هر سه نفر، یک نفر در عرض یک سال کاملاً به مراقبت در خانه سالمندان وابسته میشود.
این بیماری با وجود جدی بودن همچنان به شدت کمتر از میزان مورد نیاز تشخیص داده میشود، زیرا بسیاری از افراد تا زمانی که برای اولین بار استخوانشان بشکند، بدون علامت باقی میمانند. تشخیص پوکی استخوان امروزه تا حد زیادی به اندازهگیری تراکم مواد معدنی استخوان از طریق اسکنهای DEXA متکی است که هم از نظر مالی و هم از نظر دسترسی، برای بیتشر مردم ممکن نیست.
پژوهشگران این پروژه میخواستند یک روش غیرتهاجمی را برای پیشبینی خطر پوکی استخوان پیدا کنند و این امر آنها را به سوی بررسی شبکیه چشم سوق داد. پیشتر مشخص شده است که شبکیه سرنخهایی را درباره چندین بیماری از جمله بیماریهای قلبی-عروقی و کلیوی آشکار میکند. پژوهشگران برای بررسی این که آیا شبکیه میتواند منعکسکننده وضعیت استخوانها باشد، دادههایی را از دو گروه بزرگ شرکتکنندگان جمعآوری کردند.
اولین پژوهش که در سنگاپور انجام شد، ۱۹۶۵ شخص مسن را مورد بررسی قرار داد و سن شبکیه آنها را با تراکم واقعی استخوانشان که با استفاده از اسکن DEXA اندازهگیری شده بود، مقایسه کرد.
پژوهش دوم که یک پژوهش بلندمدت و بزرگمقیاس در انگلستان بود، ابتدا عکسهای شبکیه ۴۳۹۳۸ شرکتکننده را گرفت و سپس سوابق پزشکی آنها را به مدت ۱۲ سال پیگیری کرد تا ببیند آیا دچار پوکی استخوان میشوند. مدل هوش مصنوعی RetiAGE که روی بیش از ۱۰۰ هزار تصویر چشم برای تشخیص الگوهای پیری آموزش دیده بود، برای پیشبینی سن شبکیه شرکتکنندگان مورد استفاده قرار گرفت.
پژوهشگران با تحلیل دادههای هر دو پژوهش نشان دادند که سن بیولوژیکی شبکیه، پیشبینیکننده خوبی برای آغاز پوکی استخوان از سالها پیش است. آنها دریافتند شرکتکنندگانی که چشمانشان پیرتر به نظر میرسد، تراکم مواد معدنی استخوان کمتری دارند، با خطر بیشتری برای ابتلا به پوکی استخوان روبهرو هستند و بیشتر احتمال دارد که در مراحل بعدی زندگی به شکستگیهای بزرگ استخوان یا لگن دچار شوند. این ارتباط هم برای مردان و هم برای زنان ثابت بود.
پژوهشگران دریافتند که افزودن آنالیز RetiAGE به ابزارهای موجود، توانایی آنها را در غربالگری افراد در معرض خطر پوکی استخوان و شکستگی بهبود میبخشد. شاخص C که معیاری برای قدرت پیشبینی است، از ۰.۵۸۵ به ۰.۶۳۵ افزایش یافت.
تصویربرداری شبکیه یک روش ساده، سریع و غیرتهاجمی است و همین ویژگی، آن را به راهی کمهزینه و امیدوارکننده برای غربالگری جمعیتهای بزرگ از نظر خطر پوکی استخوان پیش از وقوع شکستگیهای دردناک تبدیل میکند. در هر حال، این روش هنوز محدودیتهایی دارد. از آنجا که ساختار و ظاهر شبکیه میتواند در قومیتها و بیماریهای چشمی متفاوت باشد، مدل هوش مصنوعی که روی یک جمعیت خاص آموزش دیده، ممکن است برای همه به یک اندازه خوب عمل نکند.
پژوهشهای آینده برای اطمینان از استفاده گستردهتر از این روش، به آموزش هوش مصنوعی با استفاده از دادههای جمعیتهای متنوعتر نیاز دارند.
این پژوهش در مجله «PLOS Digital Health» به چاپ رسید.
منبع: ایسنا