مطالعه: تصاویر شبکیه چشم میتواند به تخمین سرعت پیری زیستی کمک کند - سرماد
بررسیهای جدیدی که توسط پژوهشگران دانشگاه ملی سئول انجام شده است، نشان میدهد که تحلیل تصاویر شبکیه چشم با استفاده از فناوریهای هوش مصنوعی میتواند راهکاری سریع و غیرتهاجمی برای تخمین تفاوت در سرعت پیری زیستی بین افراد فراهم کند.
وبسایت علمی «ساینس دیلی» گزارش داد که این مطالعه که در مجله «GeroScience» منتشر شده است، بر فناوریای استوار است که پژوهشگران آن را «شکاف سنی شبکیه» نامیدهاند. این فناوری از تصاویر شبکیه چشم برای تخمین سن تقویمی فرد استفاده میکند و سپس این تخمین را با سن واقعی او مقایسه مینماید تا نشانههایی را شناسایی کند که ممکن است با سرعت پیری زیستی مرتبط باشند.
این مطالعه شامل ۲۹٬۵۳۰ تصویر از معاینات شبکیه انجام شده برای ۷٬۵۳۵ نفر بود، در حالی که پژوهشگران مدل را با استفاده از ۱۴٬۸۳۲ تصویر دیگر متعلق به ۷٬۴۱۶ نفر آزمایش کردند.
نتایج نشان داد که مدل توانسته است سن تقویمی را با میانگین خطایی بین ۲.۵ تا ۲.۷ سال تخمین بزند، دقتی که با نتایج مدلهای قبلی که بر تصاویر شبکیه چشم استوار بودند، همسطح یا حتی فراتر از آن است.
پژوهشگران ارتباطی بین افزایش شاخصهای پیری شناساییشده توسط مدل و برخی عوامل بهداشتی و سبک زندگی یافتند؛ به طوری که دیابت با افزایشی حدود ۲.۵۲ ساله در شاخص، سیگار کشیدن فعلی با افزایش ۰.۵ ساله، سیگار کشیدن قبلی با ۰.۴۶ ساله، تنکس ماکولا (تخریب لکه زرد) با ۰.۶ ساله و آبمروارید با ۱.۸۶ ساله مرتبط بود.
پژوهشگران اشاره کردند که رابطه بین آبمروارید و افزایش شاخص ممکن است تا حدی به دلیل کدر شدن تصاویر ناشی از این بیماری باشد و لزوماً به معنای تسریع پیری خودِ شبکیه نباشد.
این مطالعه بر ترکیب تصاویر چشمهای سالم و چشمهایی که مبتلا به بیماریهای شبکیه یا عصب بینایی هستند، در دادههای آموزشی مدل استوار بود، با هدف بهبود دقت فناوری در مقایسه با مطالعات قبلی که بیشتر بر تصاویر چشمهای سالم تکیه داشتند.
پژوهشگران توضیح دادند که سرعت پیری زیستی بین افرادی که سن تقویمی یکسانی دارند، به دلیل عوامل ژنتیکی، محیطی و سبک زندگی متفاوت است؛ این امر ضرورت نیاز به شاخصهای زیستی را که بهراحتی در دسترس هستند، برای پایش این تفاوتها افزایش میدهد.
پژوهشگران تأکید کردند که این فناوری همچنان به تأیید بیشتر از طریق مطالعات بلندمدت نیاز دارد که در آنها افراد یکسان در طول سالها پیگیری شوند و نتایج آنها با روشها و شاخصهای معتبر برای سنجش پیری زیستی مقایسه گردند.
مطالعه تأکید کرد که فناوری «شکاف سنی شبکیه» در شکل فعلی خود، ممکن است برای مطالعه الگوهای پیری در سطح جمعیتها مناسبتر باشد تا استفاده از آن برای تعیین ریسک پیری در افراد، زیرا تأثیر برخی از عوامل بهداشتی که این فناوری شناسایی میکند، در مقایسه با حاشیه خطای پیشبینی، همچنان محدود است.
این نتایج افقهای جدیدی را برای بهرهگیری از فناوریهای هوش مصنوعی در پایش تغییرات بهداشتی مرتبط با افزایش سن گشوده میکنند.
