תוצאת חיפוש

הבינה המלאכותית הוצגה לראשונה בשנת 1956 ומהווה מרכיב מרכזי במהפכה התעשייתית הרביעית בתולדות האנושות. עם הזמן הפכה שיטה זו לשיטה המועדפת לניתוח תמונות רפואיות. כיום, היישומים של בינה מלאכותית בתחום הרפואה בכלל ורפואת עיניים בפרט מגוונים וכוללים אבחון ומעקב אחר התפתחות מחלות עיניות. לדוגמה, אלגוריתמים של בינה מלאכותית יכולים לזהות אקטזיות וסימנים פרה-קליניים של קרטוקונוס (קרנית חרוטית) באמצעות צילומים ופלט נתונים ממיפויי קרנית שונים.

למידת מכונה (Machine Learning) היא טכניקה ספציפית ליישום של בינה מלאכותית. היא מוגדרת כסדרה של שיטות אוטומטיות לזיהוי דפוסים ותבניות במידע נתון ומתן תחזית עתידית. טכנולוגיה זו יושמה לראשונה כבר בשנות השמונים של המאה הקודמת. למידה עמוקה ((Deep Learning היא סוג מתקדם של למידת מכונה בהשראת מידול פעולת המוח האנושי, הבנויה כשכבות שכל אחת אחראית על זיהוי תבניות ובכך מצליחה למדל תופעות מורכבות. היתרון המשמעותי של למידה עמוקה ברפואה הוא בכך שהיא מאפשרת מעקב וניטור זול ויעיל. למידה עמוקה נמצאת בשימוש במעקב במחלות עיניים כגון רטינופתיה סוכרתית, ניוון מקולרי תלוי גיל, גלאוקומה (ברקית), ירוד (קטרקט) ורטינופתיה של הפגות. מחלות אלה ואחרות דורשות מעקב תכוף על מנת לבחון שינויים לאורך זמן. טכנולוגיית מחשוב זו היא אמנם בעלת חשיבות רבה לזיהוי ודירוג מחלות עיניים שונות אך זקוקה עדיין למספר אישורים קליניים נוספים על מנת שתוכל להוות עזר רשמי בשימוש נרחב ליכולת אבחנתית אנושית.

מיכאל בלקין¹, זהר חבוט-וילנר²

מכון העיניים על-שם מוריס וגבריאלה גולדשלגר, מרכז רפואי שיבא, תל-השומר¹, המכון לחקר העין על-שם גולדשלגר, הפקולטה לרפואה סאקלר, אוניברסיטת תל-אביב, תל-השומר²

השמנה היא הפרעת חילוף-החומרים השכיחה ביותר במדינות המפותחות, וקיימת מגמה עולמית של עלייה בשכיחותה. במאמר זה נסקור את המחקרים המעידים על השפעת ההשמנה על מחלות העיניים העיקריות: ניוון מקולרי הקשור בגיל, רטינופתיה שמסוכרת, ירוד (Cataract) וברקית (Glaucoma). מהסקירה נראה, כי השמנה מהווה גורם-סיכון משמעותי למחלות אלה, הגורמות למרבית מקרי הירידה בראייה והעיוורון בעולם.