מתקצר: פרופ' מרדכי רוזנר

לטקסט המאמר

הקרנית היא חלק שקוף בעין שתורם גם לכוחה הרפרקטורי. בקרנית בריאה אין ווסקולריזציה. היא מקבלת אספקת חמצן באמצעות דיפוזיה דרך דוק הדמעות ומקבלת את החומרים המזינים ממי הלשכה. השמירה על המצב השקוף חסר הווסקולריזציה מושג בעזרת תאי האב הלימבלים אשר מרפאים פצעים במהירות ומונעים וסקולריזציה. 

למרות זאת, במספר מחלות כמו דלקת משנית לזיהום, טראומה, כוויה כימית ועוד,  ובעיקר בגלל אי ספיקה של תאי גזע לימבליים, צומחים כלי דם חדשים מהגובלת לקרנית. יצירת כלי דם בקרנית – נאווסקולריזציה של הקרנית corneal neovascularization (CoNV) יכולה לגרום ליציאה של ליפידים, דלקת והצטלקות שפוגעים בשקיפות ומשנים את כוח הרפרקציה שלה.

בקרניות עם נאווסקולריזציה יש גם שכיחות מוגברת של דחיית שתל קרנית בגלל העברת תאים אימוניים דרך כלי הדם אל השתל. קיימות מספר אפשרויות טיפול ב- CoNV שמכוונות בעיקרון לחולים שמועמדים להשתלת קרנית וכוללים הזרקות נוגדי גורמי גדילה אנדותליאליים וסקולריים לקרנית או ללחמית, טיפול טופיקלי בסטרואידים, קואגולציה של כלי הדם ועוד.

אין פרוטוקול סטנדרטי לטיפול ב- CoNV ואין הסכמה בנוגע ליעילות הטיפולים השונים, שהמידע על יעילותם לרוב הינו מוגבל.

גם אין כל כלי מדידה סטנדרטי מוסכם, מטרי או אוטומטי, לכימות ולדרוג CoNV על פי שטח הנאווסקולריזציה, קוטר כלי הדם, אורכם ומדדים אחרים, אשר כל המחקרים בנושא מתייחסים אליו.  השיטה השכיחה למדידת שטח הנאווסקולריזציה הינה באמצעות תוכנת בחינת תמונה המכונה Fiji ומבוססת על התוכנה ImageJ. טכניקה זו גוזלת זמן רב ותוצאותיה סובייקטיביות התלויות במפעיל.

בינה מלאכותית (AI) הינה הבסיס לכלים מבטיחים רבים עבור מערכת הבריאות. אלגוריתמים של סגמנטציה של תמונות ולימוד מכונה מאפשרים אבחנה מהירה יותר, יעילה יותר ומדויקת יותר במצבים רפואיים ספציפיים.

ייתכן שבאמצעות אלגוריתמים מבוססי AI אפשר לחשב במדויק את שטח ה- CoNV, באופן אובייקטיבי ומהיר וכך יתאפשר לבנות מדרג סטנדרטי לחומרת CoNV. באמצעותו אפשר יהיה לבדוק את הסיכון בהשתלת קרנית בעין עם CoNV ולבחור את המועמדים המתאימים ביותר להשתלה.

מטרת המחקר הנוכחי הייתה ליצור ולהעריך אלגוריתם מבוסס AI למדידת שטח CoNV ולהשוות את התוצאות לבדיקה ידנית על ידי רופאי עיניים. החוקרים היו מגרמניה וטורקיה. תמונות מנורת סדק של חולים עם CoNV הופקו מרישומים אלקטרוניים של תיקים רפואיים לצורך המחקר.

רופא עיניים מנוסה בדק באופן ידני את שטח ה- CoNV, ואלה שימשו ליצירה, אימון והערכה של כלי אוטומטי לבחינת תמונה המבוסס על לימוד מכונה לזיהוי שטחי CoNV. בבדיקה נכללו תמונות מנורת סדק של 120 עיניים של 120 חולים עם CoNV.

הספציפיות לזיהוי הייתה בין 96.4% ל- 98.6% עבור כל שטח הקרנית, ו-96.6% ו- 98.0% עבור אזורים ללא וסקולריזציה. המסקנה הייתה שהלוגריתם המוצע הראה דיוק גבוה בהשוואה למדידות שבוצעו על ידי רופא העיניים. אי לכך ניתן להשתמש בכלי אוטומטי המבוסס על AI לחישוב שטח CoNV מתמונות שצולמו במנורת סדק בחולים עם CoNV.

Mergen B, Safi T, Nadig M, Bhattrai G, Daas L, Alexandersson J, Seitz B Detecting the corneal neovascularisation area using artificial intelligence

Br J Ophthalmol 2024;108:667–672