انتشار پژوهش همکاری Voiant درباره پیش‌بینی مبتنی بر یادگیری ماشینِ نتایج درمان در ادم ماکولای دیابتی
شرکت Voiant از انتشار یک مطالعه داوری‌شده در نشریه Nature’s Eye خبر داد که در آن روشی مبتنی بر یادگیری عمیق برای پیش‌بینی پیامدهای ساختاری و عملکردی چشم در بیماران مبتلا به ادم ماکولای دیابتی (DME) که هنوز درمانی دریافت نکرده‌اند، با استفاده از داده‌های اولیه توموگرافی انسجام نوری (OCT) بررسی شده است. یافته‌های این پژوهش نشان می‌دهد نشانگرهای زیستی تصویربرداری در شروع درمان، علاوه بر برنامه‌ریزی درمانی، می‌توانند در جذب و انتخاب بیماران برای کارآزمایی‌های بالینی نیز نقش مهمی داشته باشند؛ جایی که انتخاب دقیق بیماران می‌تواند برای موفقیت مطالعه حیاتی باشد. این تحقیق بر توانمندی‌های Voiant در پیش‌غربالگری مبتنی بر هوش مصنوعی و دیگر تحلیل‌های پیشرفته تصویربرداری برای بهبود انتخاب بیماران و راهبردهای تصویربرداری در کارآزمایی‌های چشم‌پزشکی تکیه دارد.
والتهام، ماساچوست، ۱۲ اکتبر ۲۰۲۶ — شرکت Voiant، فعال در حوزه راهکارهای تصویربرداری برای کارآزمایی‌های بالینی، از انتشار یک مطالعه جدید داوری‌شده در نشریه Nature’s Eye خبر داد. مقاله‌ای با عنوان «پیش‌بینی مبتنی بر یادگیری عمیقِ پیامدهای عملکردی و ساختاری یک‌ساله در بیماران مبتلا به DMO درمان‌نشده پس از درمان ضد VEGF» [1]، روشی مبتنی بر یادگیری عمیق را ارائه می‌کند که اطلاعات پیش‌آگهی موجود در تصاویر اولیه OCT بیماران مبتلا به ادم ماکولای دیابتی (DME) را برای پیش‌بینی وضعیت آن‌ها در بازه ۱۲ ماهه ارزیابی می‌کند.
ما همچنان رویکرد خود در زمینه پیش‌غربالگری را توسعه می‌دهیم و روش‌های تصویربرداری پیش‌آگهی‌دهنده فرصت مهمی برای گسترش این توانمندی‌ها فراهم می‌کنند؛ نه فقط در DME، بلکه در تمام حوزه‌های درمانی.
با استفاده از یک الگوریتم اختصاصی پیش‌پردازش و یک شبکه یادگیری عمیق پیشرفته، یک طبقه‌بندی‌کننده آموزش داده شد تا بیمارانی را که بر اساس حدت بینایی اصلاح‌شده با بهترین روش (BCVA) و ضخامت بخش مرکزی زیرمیدان (CST) پس از یک سال به درمان پاسخ می‌دهند، شناسایی کند. در این مدل، پاسخ‌دهندگان از نظر عملکردی بیمارانی تعریف شدند که حداقل ۰٫۱۲ لگاریتم زاویه حدت بینایی (logMAR) بهبود در BCVA داشتند و از نظر ساختاری بیمارانی بودند که ضخامت CST آن‌ها پس از یک سال به ۸۰ درصد یا کمتر از مقدار اولیه رسیده بود. این مدل به‌ترتیب برای شناسایی پاسخ‌دهندگان BCVA و CST، سطح زیر منحنی مشخصه عملکرد گیرنده (AUROC) برابر با ۰٫۷۱ و ۰٫۹۷ به دست آورد.
این مدل علاوه بر پیش‌بینی پاسخ به درمان، توانست میزان تغییر در BCVA و CST هر بیمار را نیز با دقت پیش‌بینی کند. پیش‌بینی تغییرات عملکردی یا BCVA به ضریب تعیین (R²) برابر با ۰٫۶۶ و پیش‌بینی تغییرات ساختاری یا CST به R² برابر با ۰٫۶۳ دست یافت.
نویسنده نخست این مقاله، دکتر لورنا اولا از گروه پژوهشی دکتر انریکو بورلی در دانشگاه تورین و بیمارستان «شهر سلامت و علوم» در تورین ایتالیا است. این پژوهش با همکاری دکتر دنیل روساکوف و دکتر جاناتان اوکلی، معاونان ارشد Voiant در حوزه تصویربرداری و علوم داده، انجام شده است.
دکتر انریکو بورلی گفت: «به‌عنوان پزشک، مهم است که تا حد امکان اطلاعات بیشتری برای تصمیم‌گیری‌های درمانی در کلینیک جمع‌آوری کنیم. تمرکز پژوهش ما بر این است که چگونه هوش مصنوعی می‌تواند به این فرایند کمک کند تا بهترین برنامه درمانی برای بیمار ایجاد شود. همکاری ما با Voiant به تلاش‌های ما برای درک روش‌های هوش مصنوعی و نحوه استفاده بالینی از آن‌ها کمک می‌کند. همچنین روشن است که چنین فناوری‌هایی می‌توانند در کارآزمایی‌های بالینی بسیار ارزشمند باشند.»
دکتر جاناتان اوکلی، معاون ارشد تصویربرداری و علوم داده در Voiant، گفت: «بسیار مهم است که با پزشکان متخصصی مانند دکتر بورلی همکاری کنیم تا اطمینان یابیم روش‌های خود را به‌طور مستمر توسعه می‌دهیم و یافته‌هایمان را با جامعه چشم‌پزشکی به اشتراک می‌گذاریم. در Voiant، ما می‌دانیم که با پشتیبانی از پژوهش‌های بالینی، به افزایش اثربخشی کارآزمایی‌های بالینی کمک می‌کنیم. ما همچنان رویکرد خود در پیش‌غربالگری را پیش می‌بریم و روش‌های تصویربرداری پیش‌آگهی‌دهنده فرصتی مهم برای تقویت این توانمندی‌ها، نه فقط در DME بلکه در تمام حوزه‌های درمانی، فراهم می‌کنند.»
ادم ماکولای دیابتی (DME) یکی از عوارض تهدیدکننده بینایی رتینوپاتی دیابتی و از مهم‌ترین عوامل کاهش دید در افراد مبتلا به دیابت است. DME زمانی رخ می‌دهد که افزایش مزمن قند خون به رگ‌های خونی کوچک شبکیه آسیب می‌زند و باعث نشت مایع به داخل ماکولا، بخش مرکزی شبکیه که مسئول دید دقیق و جزئیات است، می‌شود. تورم ایجادشده در نتیجه این وضعیت (ادم) می‌تواند حدت بینایی را کاهش دهد و دید مرکزی را دچار اختلال کند [2].
برای گفت‌وگو با تیم Voiant درباره قابلیت‌های پیش‌غربالگری مبتنی بر هوش مصنوعی و تصویربرداری پیشرفته این شرکت و اینکه چگونه Voiant می‌تواند از نیازهای تصویربرداری در کارآزمایی‌های بالینی چشم‌پزشکی پشتیبانی کند، به https://www.voiantclinical.com/contact/ مراجعه کنید.
[1] Ulla L, Oakley JD, Fasana R, et al. Deep learning–based prediction of one-year functional and structural outcomes in treatment-naïve DMO after anti-VEGF therapy. Eye. 2026. https://doi.org/10.1038/s41433-026-04898-z
[2] انجمن دیابت آمریکا. Diabetes-Related Macular Edema. در دسترس از: https://diabetes.org/health-wellness/eye-health/diabetes-related-macular-edema
تماس رسانه‌ای
ویویان نگوین، VOIANT، ۱-۸۸۸-۹۶۳-۳۷۴۲، [email protected]، https://www.voiantclinical.com/
منبع: VOIANT