۱۳ اکتبر ۲۰۲۶ - بر اساس پژوهش جدید محققان دانشکدۀ بهداشت عمومی و پزشکی گرمسیری لندن (LSHTM)، افرادی که غربالگریِ پشتیبانی‌شده با هوش مصنوعی را برای رتینوپاتی دیابتی- که یکی از عوامل اصلی نابینایی در سراسر جهان است- دریافت کردند، تقریباً دو برابر بیشتر از کسانی که غربالگری استاندارد را دریافت نمودند، در ویزیت های پیگیریِ تخصصی حضور یافتند.

در کارآزمایی انجام‌شده روی ۲۳۷۸ فرد مراجعه‌کننده به برنامه غربالگری چشم دیابتی در ۲۴ بیمارستان در تانزانیا، نیمی از شرکت‌کنندگان غربالگریِ مبتنی بر هوش مصنوعی را دریافت کردند، در حالی که نیمی دیگر مسیر غربالگری استاندارد را طی نمودند.

از میان کسانی که غربالگریِ پشتیبانی‌شده با هوش مصنوعی را دریافت کرده و به سطحی از رتینوپاتی دیابتی مبتلا بودند که نیاز به ارجاع داشتند، ۳۵.۹ درصد ظرف مدت هشت هفته به کلینیک تخصصی مراجعه کردند، در مقایسه با ۱۸.۲ درصد از افرادی که غربالگری استاندارد را دریافت کرده بودند. کسانی که پس از غربالگریِ هوش مصنوعی به مراکز مراقبت‌های تخصصی مراجعه کردند، این کار را سریع‌تر انجام دادند؛ به‌طوری که میانگین زمان مراجعه ۱۰.۹ روز پس از غربالگری بود، در حالی که این رقم برای دریافت‌کنندگان غربالگری استاندارد ۳۶.۹ روز ثبت شد.

یافته‌های این پژوهش که در مجله The Lancet Global Healthمنتشر شده است، نشان می‌دهد که ادغام هوش مصنوعی در برنامه‌های غربالگری می‌تواند زمان بیشتری را در اختیار کارکنان مراقبت‌های بهداشتی قرار دهد تا حمایت چهره‌به‌چهره از بیماران ارائه دهند؛ به‌ویژه در مناطق کم‌برخوردار و برای شرایطی که مداخلات زودهنگام و درمان در آن‌ها حیاتی است.

این اختلاف را می‌توان تا حدی با نحوه دریافت نتایج توسط بیماران توجیه کرد. در مسیر مبتنی بر هوش مصنوعی، نتایج فوری به بیماران ارائه شد که امکان مشاوره چهره‌به‌چهره با کارکنان مراقبت‌های بهداشتی را فراهم می‌کرد. در مسیر استاندارد، تصاویر شبکیه توسط یک کارمند بخش بهداشت در بیمارستانی نزدیک ارزیابی می‌شد و نتایج و مشاوره‌ها هفته‌ها بعد از طریق تلفن ارائه می‌گردید.

دکتر Charles Cleland، چشم‌پزشک و پژوهشگر بالینی در مرکز بین‌المللی سلامت چشم (ICEH) وابسته به LSHTM، گفت: «استفاده از هوش مصنوعی در یک برنامه غربالگری چشم دیابتی در تانزانیا باعث شد بیماران نتیجه خود را به همراه مشاوره چهره‌به‌چهره در همان مرکز غربالگری دریافت کنند؛ امری که به افراد فرصت می‌دهد سؤالات خود را بپرسند، گزینه‌های درمانی را درک کنند و حمایت سیستم بهداشتی را احساس کنند. در مکان‌هایی که کارکنان حوزه سلامت از پیش تحت‌فشار قرار دارند، این نتایج نشان می‌دهد که هوش مصنوعی می‌تواند دسترسی به مراقبت‌های تخصصی را بهبود بخشد و به پیشگیری از نابینایی جبران‌ناپذیر ناشی از رتینوپاتی دیابتی کمک کند.»

رتینوپاتی دیابتی یک عارضه شایع دیابت و یکی از علل اصلی نابینایی در سراسر جهان است. این بیماری زمانی توسعه می‌یابد که سطوح بالای قند خون به رگ‌های خونی کوچک در شبکیه؛ یعنی بافت حساس به نور در پشت چشم، آسیب می‌رساند. در مراحل اولیه، این بیماری ممکن است علائم قابل‌توجهی ایجاد نکند؛ به این معنا که می‌تواند قبل از اینکه بیماران به دنبال درمان باشند، به سرعت پیشرفت کند.

پیش‌بینی می‌شود تعداد افراد مبتلا به رتینوپاتی دیابتی افزایش یابد؛ به طوری که تخمین زده می‌شود تا سال ۲۰۴۵ بین ۴۴ تا ۸۲ میلیون نفر در سراسر جهان در خطر از دست دادن بینایی ناشی از این عارضه باشند.

غربالگری می‌تواند تغییرات اولیه شبکیه را پیش از بروز افت قابل‌توجه بینایی شناسایی کند و امکان درمان به‌موقع را فراهم آورد که می‌تواند مانع از بخش عمده‌ای از کاهش بینایی ناشی از رتینوپاتی دیابتی شود. با این حال، دسترسی به غربالگری و مراقبت‌های تخصصی چشم در بسیاری از نقاط آفریقا محدود باقی مانده است؛ به این معنا که افراد ممکن است مراقبت‌های پیگیریِ لازم برای محافظت از بینایی خود را دریافت نکنند.

این یافته‌ها نشان می‌دهند که ادغام هوش مصنوعی در برنامه‌های غربالگری می‌تواند با ارائه نتایج فوری و ایجاد فرصت‌های بیشتر برای بیماران جهت بحث درباره بیماری و گزینه‌های درمانی خود، به رفع برخی از این موانع کمک کند.

وزارت بهداشت تانزانیا که یکی از همکاران این مطالعه بود، متعهد شده است که تشخیص‌های مبتنی بر هوش مصنوعی را در برنامه‌های غربالگری چشم دیابتی در چندین منطقه از این کشور ادغام کند. با این حال، نویسندگان بیان کردند که غربالگری بهبودیافته باید با دسترسی بهتر به کلینیک‌های تخصصی و درمان‌ها همراه باشد تا از از دست رفتن بینایی ناشی از دیابت جلوگیری شود.

منبع:

https://medicalxpress.com/news/2026-10-ai-screening-people-diabetes-access.html