درنا یزدان پناه، محمد اریش،
دوره 82، شماره 9 - ( 9-1403 )
چکیده
زمینه و هدف: فشار داخل چشم پاسخ متفاوتی در درمان بیماران مبتلابه گلوکوم زاویه بسته و گلوکوم زاویه باز ایجاد میکند. هدف این مطالعه بررسی و مقایسه ضخامت بافت پره لامینا و لامینا کریبروزا پیش و پس از درمان در بیماران مبتلابه گلوکوم زاویه بسته و زاویه باز میباشد.
روش بررسی: این مطالعه توصیفی-تحلیلی در بیمارستان الزهرا زاهدان از فروردین تا اسفند سال 1401 انجام شد. 56 بیمار با میانگین سنی 23/12±16/56 سال (32 مرد) در دو گروه شامل بیماران مبتلابه گلوکوم زاویه باز (تعداد 28) و بیماران مبتلابه گلوکوم زاویه بسته (تعداد 28) ارزیابی شدند. بیماران تحت بررسی فشار داخل چشم با تونومتر گلدمن و ضخامت بافت پره لامینا و لامینا کریبروزا با استفاده از ONH OCT قرار گرفتند. ارزیابی بیماران، پیش، یک ماه بعد، سه ماه بعد و شش ماه بعد از مداخله انجام شد.
یافتهها: ضخامت بافت لامینا کریبروزا و پرهلامینا در هر دو گروه پس از شش ماه افزایش یافت (همه 05/0>P). در ابتدا، ضخامت پرهلامینا و ضخامت بافت لامینا کریبروزا در بیماران گلوکوم زاویه بسته بهطور قابلتوجهی کمتر از بیماران گلوکوم زاویه باز بود (05/0>P). پس از شش ماه، ضخامت بافت لامینا کریبروزا در بیماران گلوکوم زاویه بسته بهطور قابلتوجهی بیشتر از بیماران گلوکوم زاویه باز بود (023/0=P).
نتیجهگیری: افزایش ضخامت بافت پره لامینا و لامینا کریروزا پس از جراحی در بیماران گلوکوم زاویه بسته و زاویه باز با استفاده از تصویربرداری OCT متفاوت و میزان افزایش ضخامت لامینا کربروزا در بیماران گلوکوم زاویه بسته بیشتر میباشد.
زکیه واحدیان اردکانی، مهران زارعی قنواتی، حمید ریاضی اصفهانی، سید مهدی طباطبائی، محمد رضا مهرابی بهار، صادق غفاریان، احمد معصومی،
دوره 83، شماره 1 - ( 1-1404 )
چکیده
هوش مصنوعی بهعنوان ابزاری تحولآفرین در حوزه مراقبتهای بهداشتی شناخته شده است و چشمپزشکی به دلیل وجود تصویربرداریهای متنوع یکی از پیشروترین رشتهها در بهرهگیری از این فناوری محسوب میشود. در میان بیماریهای چشمی، گلوکوم بهدلیل ماهیت مزمن و پیشرونده و نیز نیاز به ارزیابیهای ساختاری و عملکردی پیچیده، بستری مناسب برای توسعه و بهکارگیری ابزارهای مبتنی بر هوش مصنوعی فراهم کرده است. در این مقاله مروری، جدیدترین کاربردهای هوش مصنوعی در حوزه گلوکوم با تمرکز بر جنبههای تشخیص، پایش روند پیشرفت بیماری، و کمک به تصمیمگیریهای بالینی بررسی شده است. الگوریتمهای مبتنی بر یادگیری ماشین و یادگیری عمیق توانستهاند با دقت بالایی دادههای حاصل از تصویربرداری فوندوس، Optical Coherence و آزمونهای میدان بینایی را تحلیل کرده و تغییرات مرتبط با گلوکوم را تشخیص دهند. این فناوریها علاوهبر افزایش دقت تشخیص، میتوانند ابزارهایی موثر برای غربالگری در مقیاس وسیع، بهویژه در مناطق با دسترسی محدود به متخصصان چشمپزشکی باشند. همچنین، استفاده از مدلهای هوش مصنوعی در ردیابی تغییرات تدریجی ساختاری یا عملکردی چشم، امکان پیشبینی خطر پیشرفت بیماری و شخصیسازی برنامه درمانی را فراهم میسازد. با وجود این پیشرفتها، چالشهایی همچون عدمتعمیمپذیری مدلها به جمعیتها و دستگاههای مختلف، کمبود دادههای با کیفیت و قابلاعتماد و عدمشفافیت در فرآیند تصمیمگیری الگوریتمها (پدیده جعبه سیاه) همچنان مانع از پذیرش گسترده این فناوری در عمل بالینی شدهاند. این مقاله با مرور انتقادی بر دستاوردها و محدودیتهای فعلی، مسیرهایی برای تحقیقات آینده و اجرای موثر و اخلاقمدار هوش مصنوعی در مراقبت از بیماران مبتلابه گلوکوم پیشنهاد میدهد.
