سردبیر محترم
من مقاله جالب علیزاده و همکاران [
1] را در شماره اخیر مطالعه کردم و در نظر داشتم نکاتی راجع به کاربرد دستگاه اپتیکال کوهرنس توموگرافی در چشمپزشکی و بررسی بیماریهای عصب بینایی بیان کنم. همانگونه که علیزاده و همکاران بیان کردند OCT در تشخیص و پیگیری بیماریهای شبکیه و عصب باتوجهبه تکرارپذیری بالایی که دارد جایگاه مهمی پیدا کرده است. در این مقاله من به نقش OCT در بررسی ایسکمی عصب بینایی و تجارب و مقالات خودم در این حیطه میپردازم و سپس نقش OCT آنژیوگرافی و پیشرفتهای اخیر در این حیطه و سرانجام نقش هوش مصنوعی در چشمپزشکی را مرور میکنم.
ایسکمی عصب بینایی از علل شایع کاهش حاد بینایی است و هنوز پاتوفیزیولوژی و علت بیماری بهطور کامل مشخص نشده است. در اوایل شروع تصویربرداری با OCT ضخامت لایه عصبی در این بیماری اندازهگیری میشد. این لایه در افراد نرمال در حدود 100 میکرون است و در ایسکمی عصب بینایی بعد از حدود 6 تا 8 هفته کاهش مییابد، اما در اوایل بیماری بهدلیل ورم عصب بینایی، اندازهگیری دقت کافی ندارد [
2]. با پیشرفت OCT همانطور که در مقاله علیزاده و همکاران [
1] اشاره شده است، ضخامت ماکولا و لایه گانگلیون در ماکولا بهعنوان محل شروع آسیب لایه عصبی اندازهگیری شد. ما ضخامت لایه گانگلیون را در ایسکمی عصب در فواصل 1 ماه و 3 ماه بعد از کاهش دید اندازهگیری کردیم و نشان دادیم آسیب گانگلیون سل در ناحیه ماکولا زودتر از لایه دور عصب رخ میدهد، بنابراین در بررسی پروگنوز بیماری در مراحل اولیه میتواند به کار رود [
3].
با پیشرفت بیشتر OCT امکان تصویربرداری از لایههای عمقی عصب بینایی امکانپذیر شد و ما توانستیم لایه لامینا کریبروزا که در عمق عصب وجود دارد را تصویربرداری و ضخامت لایه پرهلامینار را اندازهگیری کنیم [
4]. بهطور جالب در ایسکمی عصب بینایی لایه پرهلامینار عصب بینایی ضخیمتر از افراد نرمال است که مطالعات بعدی ما نشان داد این به خاطر ضخامت زیاد کورویید دور عصب است. بهعبارت دیگر علت اصلی ایسکمی عصب، ضخامت زیاد کورویید دور عصب (پاکی کورویید) است که باعث به جلو راندن ناحیه پرهلامینار و کمپرس عروق سیلیاری دور عصب میشود و این شبیه سندروم کمپارتمنت باعث کاهش خونرسانی و ایسکمی عصب میشود. ما اولینبار در سال 2015 به ضخامت زیادکورویید دور عصب در ایسکمی عصب اشاره کردیم و مقالات متعدد این موضوع را تأیید کردند [
5, 6].
با ابداع OCT آنژیوگرافی امکان تصویربرداری از عروق دور عصب و ماکولا بدون تزریق ماده حاجب فراهم شد [
7]. در ابتدا به نظر میرسید آنژیوگرافی عروق مسئول ایسکمی را نشان میدهد، اما مشخص شد امکان تصویربرداری عروق عمقی سر عصب که مسئول ایسکمی هستند، وجود ندارد و OCT آنژیوگرافی فقط عروق سطحی را که در لایه عصبی هستند، نشان میدهد [
8]. ما در مطالعات خودمان نشان دادیم عروق دور عصب ثانویه به هر نوع آسیب لایه عصبی کاهش پیدا میکند و این کاهش عروقی متمایزکننده ایسکی عصب و التهاب عصب نیست [
9]. برای مثال در گلوکوم هم عروق دور عصب مشابه ایسکمی کاهش مییابد. بهطور جالب آسیب لایه عصبی و عروقی با میدان دید هم هماهنگی دارد [
10]. OCT، آنژیوگرافی امکان تصویربرداری عروق کوچک کورویید دور عصب را هم فراهم کرده است.
در چندین مقاله، عروق کوچک کورویید در ایسکمی عصب و گلوکوم را مقایسه کردیم. با وجود اینکه کاهش عروق لایه سطحی در هر 2 بیماری بهعلت آسیب لایه عصبی یکسان بود، عروق کوچک کورویید فقط در گلوکوم آسیب را نشان میدادند که نشانگر نقش اولیه کاهش عروق کوچک کورویید در پاتوفیزیولوژی گلوکوم است. این کاهش عروقی در ایسکمی عصب وجود نداشت و همانطور که قبلاً اشاره شد حتی افزایش ضخامت این لایه در ایسکمی وجود دارد [
11]. قضیه آسیب عروق کوچک کورویید در گلوکوم منحصر به گلوکوم زاویه باز است و در گلوکوم زاویه بسته کاهش عروق دیده نمیشود [
12].
سرانجام راجع به کاربرد هوش مصنوعی در چشمپزشکی و سگمنت کردن لایهها در OCT مطالبی را ذکر می کنم. بیشترین کاربرد هوش مصنوعی تشخیص بیماریها از روی عکس فوندوس است. اینگونه که ابتدا نرمافزار تعداد زیادی عکس فوندوس با تشخیص معلوم را میبیند و از روی آنها یاد میگیرد و سپس وقتی تصویر فوندوس نامشخص را به شبکه نرمافزاری نشان میدهند، این بار خود شبکه نرمافزاری تشخیص میدهد.
در یک مطالعه بزرگ بینقارهای نشان دادیم هوش مصنوعی بهخوبی چشمپزشک میتواند پاپیلادما را از ایسکمی عصب و دروزن عصب افتراق بدهد [
13]. اگر این نرمافزارها در اورژانسها به کار گرفته شوند حتی بدون حضور متخصص چشم میتوانند علت ورم عصب بینایی را تعیین کنند. قضیه دیگر کاربرد هوش مصنوعی در تعیین حدود لایههای عصبی OCT است. تا به امروز بعد از انجام OCT لایههای شبکیه توسط نرمافزار دستگاه OCT از هم جدا و ضخامتها اندازهگیری میشود، اما بهعلت کاهش ضخامت یا افزایش ضخامت ناشی از بیماری این نوع اندازهگیری و مشخص کردن لایهها ممکن است دقیق نباشد، بنابراین از هوش مصنوعی برای تعیین محدوده این لایهها استفاده شد [
14].
در یک مطالعه نشان دادیم در ایسکمی عصب بینایی بهعلت آسیب عصب و کیفیت پایین تصاویر تعیین حدود لایه عصبی و سگمنتاسیون لایهها توسط ماشین OCT ممکن است دقیق نباشد و باید از سگمنت دستی یا از هوش مصنوعی استفاده کرد [
15].
بهطور خلاصه، تصویربرداری OCT در پیگیری و تشخیص بیماریهای چشمپزشکی کمک زیادی انجام میدهد و قابلیت تکرار بالای آن همانطور که در مقاله علیزاده بیان شد، تحولی در علم چشمپزشکی است.
ملاحظات اخلاقی
حامی مالی
این پژوهش هیچگونه کمک مالی از سازمانیهای دولتی، خصوصی و غیرانتفاعی دریافت نکرده است.
تعارض منافع
بنابر اظهار نویسندگان، این مقاله تعارض منافع ندارد.