קוצר ראייה הינו אחד מהמצבים השכיחים ביותר במרפאת עיניים. בשנים האחרונות השכיחות של קוצר ראייה גדלה מאד והמגמה כנראה תמשיך. מעריכים שעד 2050 מספר החולים עם קוצר ראייה בעולם יהיה יותר מ-4 ביליון. במספר מדינות מזרח אסיאתיות השכיחות של קוצר ראייה הגיעה ל- 80-90% בקרב המתבגרים. האורך האקסיאלי הינו אחד המדדים החשובים ביותר. בקרב החולים עם קוצר ראייה גבוה, המשך התקדמות קוצר הראייה הינו גורם סיכון להתפתחות שינויים פתולוגיים ברשתית, אשר עלולים לגרום לפגיעה בראייה. ניתן לעקוב אחר התקדמות קוצר ראייה באמצעות מדידות של האורך האקסיאלי של העיניים. עבור חולים עם קוצר ראייה גבוה שרוצים לעבור ניתוח רפרקציה, ניתן באמצעות בדיקת האורך האקסיאלי להעריך את מצב העין לפני ניתוח הרפרקציה. בהתחשב בחשיבות ערך האורך האקסיאלי, המטרה של המחקר הנוכחי הייתה לבדוק את ההיתכנות של בניית מודל למידה עמוקה שיזהה את האורך האקסיאלי ישירות מצילומי הפונדוס.

למידה עמוקה (Deep learning) הינה טכנולוגיה שמשולבת בשטחי מחקר מגעי שונים במהלך השנים האחרונות. השיטה מאפשרת לזהות מאפיינים ספציפיים ואיננה מצריכה כל ידע מוקדם. ברפואת עיניים, פותחו מודלים לעזרה באבחנה ובהערכה של רטינופתיה סוכרתית, AMD וגלאוקומה, ובדיקה אוטומטית של הפונדוס. מטרת המחקר הנוכחי הייתה לתקף את האפשרות לפתח מודל למידה עמוקה שינבא את האורך האקסיאלי של העין בחולים עם קוצר ראייה בינוני או גבוה. מחקרים קודמים התמקדו באוכלוסיות אמטרופיות ונבנו מודלים מנבאים של אורך אקסיאלי תוך שימוש בצילומי פונדוס רגילים. חולים עם קוצר ראייה מהווים שיעור משמעותי מהאוכלוסייה שמגיעה לרופאי עיניים, וניבוי מדויק של האורך האקסיאלי של העיניים הינו משמעותי במיוחד עבור חולים אלה.

במחקר הנוכחי השתמשו לראשונה בתמונות פונדוס של שדה אולטרה-רחב (ultra-wide field images) לצורך ניבוי האורך האקסיאלי של עיניים עם קוצר ראייה גבוה. החוקרים היו מסין. עבור המחקר נבדקו 6174 תמונות שדה אולטרה-רחב של הפונדוס של 3134 חולים עם קוצר ראייה מהשנים 2014 עד 2020. 4039 תמונות מתוך 6174 שימשו לאימון של המודל, 617 לצורך אימות (validation) ו- 618 תמונות שימשו לבדיקה. נמצא שהמודל ניבא את האורך האקסיאלי ברמת דיוק גבוהה. הטיית ניבוי (prediction bias) של 64.88% של הבדיקות הייתה פחות מ- 1 מ”מ טעות. 76.9% מהבדיקות היו בטווח של 5% טעות ו- 97.57% היו בטווח טעות של 10%. להטיית הניבוי היה קשר שלילי חזק למידת האורך האקסיאלי האמתי ונמצא הבדל משמעותי בין המגדרים. בדיקות הראו שהמודל התמקד על שינויים אטרופיים אחוריים בפונדוסים עם שינויים פתולוגיים ובאזור הפרי-אופטי בפונדוסים נורמליים. המסקנה הייתה שאפשר באמצעות מודל למידה עמוקה לנבא את האורך האקסיאלי מתמונות פונדוס של שדה אולטרה-רחב בחולים עם קוצר ראייה בינוני וגבוה.

Wang Y, Wei R, Yang D, Song K, Shen Y, Niu L, Li M, Zhou X
Development and validation of a deep learning model to predict axial length from ultra-wide field images
Eye (2024) 38:1296–1300