אבחון אוטומטי של ניוון מקולרי תלוי גיל בעזרת למידת מכונה וטכניקות עיבוד תמונה

מדוע זה חשוב לראייתך

ככל שאנשים חיים יותר זמן, יותר מאיתנו ניצבים בפני ניוון מקולרי תלוי גיל (AMD), מחלה שמאיטה את הראייה המרכזית ועלולה להקשות או למנוע קריאה, נסיעה או זיהוי פנים. רופאי עיניים יכולים לזהות סימני אזהרה מוקדמים בתמונות של החלק האחורי של העין, אבל ביצוע זה ידנית לאלפי מטופלים גוזל זמן ודורש מומחים מיוחדים. המחקר הזה בוחן כיצד כלי שקוף מבוסס למידת מכונה יכול לסייע ללכוד AMD בשלב מוקדם מתמונות שגרתיות של העין, בלי להסתמך על "קופסאות שחורות" עמוקות ורגישות שקשה להסביר.

מחפש בעיה באזור הראייה החדה של העין

AMD תוקף את המקולה, נקודה כהה קטנה קרוב למרכז הרשתית שאחראית לראייה החדה והמדויקת. מערכות אוטומטיות רבות מנסות לאתר משקעים שומניים זעירים הנקראים דרוזן בתמונת כל העין, אך דרוזן עלולים להיות בקלות מבלבלים עם נקודות בוהקות אחרות כמו דימומים קטנים, ומופיעים בצורות ובגדלים משתנים. זה מקשה על גילוי אמין דרך מחשב, ואף מומחים נדרשים לבדוק בקפידה את התוצאות. המחברים פועלים בדרך שונה: במקום לצוד דרוזן ברחבי כל הרשתית, הם ממקדים את תשומת הלב באזור המקולרי וממדדים כיצד טקסטורה וצבע משתנים כאשר קיימת AMD.

מתמונה גולמית ל"טביעת אצבע" של המקולה

המערכת מתחילה מתמונה צבעונית של החלק האחורי של העין, תמונת פונדוס. היא משפרת תחילה את הניגוד בעזרת שלבי עיבוד תמונה סטנדרטיים כדי להקל על ההבחנה בין אזורים כהים ובהירים. לאחר מכן היא מזהה אוטומטית את דיסק הראייה — האזור העגול והבהיר שבו עצבים יוצאים מהעין — ומשתמשת ביחס הגיאומטרי הידוע בינו לבין המקולה כדי לחפש לאורך רצועה צרה בתמונה את האזור הכהה ביותר שמתאים לגודל ולמיקום הצפויים של המקולה. מסביב לנקודה זו המערכת חותכת מלבן קטן: זהו אזור העניין, המכיל את הרקמה שיותר סביר שתחשוף נזקים מוקדמים הקשורים ל‑AMD.

הפיכת דפוסים וצבעים למספרים

בתוך חתיכת המקולה הזו, החוקרים מחשבים קבוצה גדולה של מאפיינים מספריים, או "תכונות מעוצבות ביד". תכונות טקסטורה קוטפות כיצד עוצמות הפיקסלים מסודרות—האם המשטח נראה חלק, מנוקד או לא סדיר—בעוד שתכונות צבע מתעדות שינויים בכהות ובגוון שעשויים לשקף שינויים בפיגמנט וברברק הרקמה. בסך הכל נמדדים 140 ערכי טקסטורה ו‑48 ערכי צבע עבור כל תמונת עין. מאחר שלא כל המספרים האלה שימושיים באותה מידה, הצוות מיישם מבחנים סטטיסטיים ושיטת דירוג תכונות כדי לבחור תת‑קבוצה קטנה יותר שמפרידה היטב בין עיניים בריאות לעיניים עם AMD, ומסלק תכונות מיותרות או רועשות.

מאמנים את המכונות לומר "AMD" או "נורמלי"

עם תכונות נבחרות אלו בידי המחברים מאמנים מספר מסווגים ידועים בלמידת מכונה — מכונת וקטורים תומכת (SVM), k‑השכנים הקרובים, נאיב בייס ורשת עצבית פשוטה — כדי ללמוד להבחין בין עיניים נורמליות לעיניים מושפעות AMD. הם משתמשים בשתי אוספים ציבוריים של תמונות רשתית: מאגר STARE, הכולל 35 תמונות נורמליות ו‑74 תמונות עם AMD, והמאגר הגדול יותר ODIR, המכיל מאות מקרים מתויגים. כדי לבדוק אמינות הם שוברים כל מאגר שוב ושוב לחלקי אימון ומבחן, מסתובבים דרך התמונות כך שכל עין משמשת כמבחן לפחות פעם אחת, ואז מודדים דיוק, שיעור שגיאה וכמה פעמים AMD מתגלה נכון.

תוצאות ברורות והנמקה ברורה יותר

בכל המבחנים, הממיין SVM המשתמש בתכונות טקסטורה מאזור המקולה בולט. במאגר STARE הוא מבחין בין עיני AMD לנורמליות נכונה בכמעט 99% מהמקרים; ב‑ODIR הדיוק הוא כ‑95%. מידע טקסטורה מוכיח עצמו כחזק יותר מצבע בלבד, ושילוב של שני סוגי התכונות אינו עולה על הביצועים של הטקסטורה לבדה. בעוד שמערכות למידה עמוקה מסוימות בספרות משיגות ציונים דומים או מעט גבוהים יותר, הן דורשות כמויות גדולות של נתונים מתויגים ומעניקות מעט תובנה לגבי רמזי התמונה שבהן הן נשענות. בניגוד לכך, תכונות הטקסטורה והצבע המעוצבות במחקר זה תואמות למבנים ניתנים לזיהוי ברשתית, מה שהופך את המערכת ליותר מפורשת עבור קלינאים.

מה זה אומר עבור המטופלים

במונחים יומיומיים, המחקר מראה שתוכנה יחסית פשוטה ושקופה יכולה להביט בתמונת עין סטנדרטית, להתמקד במקולה, ועם אמינות גבוהה מאוד לסמן האם סביר שקיים AMD, מבלי לרדוף תחילה אחרי כל משקע זעיר. כלי כזה יכול לעזור לקליניקות ולתוכניות סקר למיין במהירות כמויות גדולות של תמונות, להבטיח שמטופלים עם מחלה מוקדמת יפנו למומחים מוקדם יותר, ובאותו זמן לספק לרופאים תמונה ברורה יותר של אילו דפוסי ראייה המערכת משתמשת כדי להגיע להחלטתה.

ציטוט: Agarwal, D., Bhargava, A., Alsharif, M.H. et al. Automatic diagnosis of age-related macular degeneration using machine learning and image processing techniques. Sci Rep 16, 5037 (2026). https://doi.org/10.1038/s41598-026-35428-2

מילות מפתח: ניוון מקולרי תלוי גיל, הדמיית רשתית, למידת מכונה, גילוי מוקדם של מחלות, ניתוח תמונה רפואית