מתקצר: פרופ' מרדכי רוזנר

 

לטקסט המאמר

 

רטינופתיה של פגות Retinopathy of prematurity (ROP) הינו עדיין הסיבה המובילה לעיוורון בילדות, למרות שהוא ניתן למניעה במקרים רבים. פיזור לא שווה של המשאבים ושוני באפידמיולוגיה של פגות תורמים לכך שאוכלוסיות בסיכון מוגבר מצויות באזורים בהם אין מספיק רופאי עיניים לצורך ביצוע בדיקות סקר וטיפול ב- ROP.

 

מצב זה מחמיר עם השיפור במניעת תמותת פגים. מעריכים שכל שנה 30,000 עד 50,000 תינוקות, בעיקר ממדינות עם הכנסה נמוכה או בינונית, מאבדים ראייה בגלל ROP.

 

בינה מלאכותית (Artificial intelligence (AI מתפתחת ככלי חשוב בביצוע בדיקות סקר לגילוי מחלות. כבר כיום קיימות מערכות אוטונומיות מבוססות AI לבדיקות סקר לרטינופתיה סוכרתית שאושרו לשימוש על ידי ה- FDA, ואשר מופצות לשימוש בכל העולם. לגבי ROP, מערכת סקר אוטונומית עשויה לשמש בתוכניות רפואה מרחוק (telemedicine) גדולות בארה"ב ובהודו, שם השפעתה יכולה להיות רבה יותר מאשר בסקרים לרטינופתיה סוכרתית, כי האוכלוסייה מרוכזת ביחידות לטיפול בפגים וזמן המעקב הדרוש מוגבל למספר שנים ואיננו לכל החיים.

 

ב- ROP חומרת המחלה מתוארת באמצעות שתי מערכות של קטגוריות. האחת היא ה- International Classification of ROP (ICROP), והשנייה היא ה- Early Treatment for ROP (ETROP) שכוללת 4 קטגוריות: הראשון - אין ROP, השני - ROP קל, השלישי -  ROPסוג 2, והרביעי -  ROP סוג 1. כיום מומלץ לטפל בכל המקרים עם ROP סוג 1, לפי החלטת הרופאים יש מקרים עם ROP סוג 2 שגם כן מטופלים.

 

המדד החשוב ביותר לקביעת הצורך בטיפול הוא הימצאות מחלת פלוס (plus disease) שמוגדרת כמנעד של אנומליות וסקולריות. אפשרות אחת להגיע להחלטה אם להפנות או לא להפנות היא לקבוע מדד של more-than-mild ROP (mtmROP). מדד זה הוגדר על ידי החוקרים כעיניים עם ROP מסוג 1 או 2 או כל עין עם מחלה pre–plus.

 

אלגוריתם של למידה עמוקה (deep learning), המכונה i-ROPDL פותח לצורך סיווג מחלת פלוס ומשמש לקביעת הדרגה בסולם חומרה וסקולרית vascular severity score (VSS), כדי לבטא בצורה טובה יותר את המנעד של מחלות פלוס. אלגוריתם זה אושר כתוכנת עזר רפואית עבור ROP.

 

מחקר קודם אימת את התפיסה ש- VSS עשוי לשמש לקביעת החומרה הכללית של ROP בעין. אולם, אלגוריתמים רבים של AI הוכחו כיעילים במחקרים ראשוניים ונכשלו לאחר מכן מסיבות שונות בשימוש קליני.

 

המחקר הנוכחי בוצע על ידי חוקרים מארה"ב והודו ובדק את הביצועים של i-ROPDL הכולל מודל למידה עמוקה יעיל יותר שקובע באופן אוטונומי סף mtmROP ו-ROP סוג 1 בבדיקות עיניים שבוצעו באמצעות רפואה מרחוק.

 

החוקרים גם פתחו מסלול מקדים לעיבוד תמונה (image preprocessing pipeline) עבור שדות צילום שונים ואיכויות צילום שונות. המודל עבר כיול ותיקוף על פי 2530 בדיקות של 843 תינוקות ממחקרImaging and Informatics in Retinopathy of Prematurity  study.

 

יכולות הביצוע נבדקו על שני מאגרי מידע חיצוניים שכללו 6245 בדיקות של  1545 תינוקות של אוכלוסיית הרשת של אוניברסיטת סטנפורד לאבחון ROP בארה"ב Stanford University Network for Diagnosis of ROP (SUNDROP),  ו- 5635 בדיקות של 2699 תינוקות מתכניות רפואה מרחוק של Aravind Eye Care Systems (AECS) בהודו. מקורות המידע כללו 11 יחידות טיפול נאונטליות בארה"ב ו- 48 בהודו.

 

הנתונים נאספו בין ינואר 2012 ליולי 2021 ונבדקו מיולי עד דצמבר 2023. התוצאים העיקריים היו הרגישות והספציפיות בזיהוי mtmROP ו- ROP סוג 1 בבדיקת עיניים. 

 

הממצאים הראו ששכיחות mtmROP ו- ROP סוג 1 היו 5.95% (91 מתוך 1545) ו- 1.2% (18 מתוך 1545) בהתאמה במאגר המידע של SUNDROP, ו- 6.2% (168 מתוך 2699) ו- 2.5% (68 מתוך 2699) בהתאמה במאגר המידע של AECS.

 

 הרגישות בזיהוי של mtmROP ו- ROP סוג 1 הייתה גבוהה: 83.5 ו- 95% עבור mtmROP ו- 82.2% ו- 95% עבור ROP סוג 1 בשני בסיסי המידע, בהתאמה. ברמת החולים, כל החולים עם ROP סוג 1 אותרו כחיוביים.

 

המסקנות היו שכאשר ניתן ליישם תכניות רפואה מרחוק לאבחנה של ROP, אפשר יהיה להשתמש גם בבדיקות סקר אוטונומיות מבוססות בינה מלאכותית באופן יעיל למניעת   ROPללא סיכון משמעותי להיכשל בזיהוי ROP חמור.

 

 

Coyner AS, Murickan T, Oh MA Young BK, Ostmo SR, Singh P, Chan RVP, Moshfeghi DM, Shah PK, Venkatapathy N, Chiang MF, Kalpathy-Cramer J, Campbell JP. Multinational External Validation of Autonomous Retinopathy of Prematurity Screening. JAMA Ophthalmol 2024;142:327-335