גילוי אוטומטי של פוטורצפטורי קונוס באמצעות נתונים סינתטיים ולמידה עמוקה בתמונות ממכשיר AOSLO עם אופטיקה אדפטיבית

תצפיות חדה יותר בעין החיה

היכולת לראות את תאי החישה לאור בעין אחד־אחד יכולה לשנות את אופן שבו רופאים מאבחנים ועוקבים אחרי מחלות עיניים מסנוורות. היום מומחים צריכים לסמן תאים אלה בעבודה ידנית בתמונות מיקרוסקופיות של הרשתית, תהליך איטי, סובייקטיבי וקשה להרחבה לאלפי חולים. במחקר זה מראים איך מודלים ממוחשבים שהוכשרו על תמונות עין "מדומות" וריאליסטיות לומדים לזהות תאים אלה באופן אוטומטי, מה שפותח דלת לבדיקות עין מהירות, אמינות יותר והערכת טיפול חדשה משופרת.

למה תאים זעירים חשובים

גב העין מצופה בפוטורצפטורים — תאים מיוחדים ההופכים אור לאותות שהמוח מתרגם לראייה. פוטורצפטורי הקונוס, בפרט, חיוניים לראייה מרכזית חדה ולהבחנה בצבעים, ואובדן שלהם הוא סימן היכר של מחלות רשתית רבות. טכנולוגיית הדמיה עוצמתית בשם AOSLO (אופלטלמוסקופ סריקת לייזר עם אופטיקה אדפטיבית) יכולה ללכוד תמונות מפורטות של תאים אלה בעיניים חיות. עם זאת, לפני שרופאים וחוקרים יכולים למדוד צפיפות קונוסים או לעקוב אחרי שינויים לאורך זמן, הם חייבים לזהות כל קונוס בתמונה. סימון ידני לא רק דורש זמן רב אלא גם משתנה מאדם לאדם, וכך מוגבל השימוש שלו במרפאות שגרתיות ובניסויים רחבי היקף.

מכללים בעבודת יד ללמידה מתוך נתונים

תוכניות מחשב קודמות ניסו להאוטומט את גילוי הקונוסים על ידי ארכיטקטורת כללים קשיחים: למשל, חיפוש אחר נקודות בהירות בגודל או בריווח מסוים. שיטות מבוססות כללים אלה עבדו היטב על תמונות נקיות מעיניים בריאות, אך התקשו לעתים קרובות כאשר התמונות היו רועשות, מעט מטושטשות או מגיעות מחולים עם מחלה. למידה עמוקה מציעה אסטרטגיה שונה: במקום לתכנן חוקים ידנית, רשת נוירונית לומדת תבניות ישירות מתוך דוגמאות. הבעיה היא שאלה בדרך כלל זקוקות לכמויות עצומות של תמונות שסומנו בקפידה על ידי מומחים — בדיוק סוג הנתונים שהינו נדירים ויקרים בהדמיית AOSLO.

בניית כר פיתוח וירטואלי

כדי לעקוף את המחסור בתמונות מסומנות אמיתיות, החוקרים פנו לכלי סימולציה בשם ERICA, שיכול ליצור תמונות דמויות AOSLO של מארגי קונוסים יחד עם "אדמת אמת" מדויקת של מיקום כל קונוס. הם יצרו קבוצות גדולות של תמונות סינתטיות אלה במיקומים שונים ברשתית, תוך שינוי סיסטמטי של ליקויים מרכזיים המשפיעים על תמונות אמיתיות, כגון רעש אקראי וטשטוש אופטי עדין. לאחר מכן הם אימנו ארכיטקטורת רשת מותאמת מסוג U-Net כדי להפוך כל תמונה לקבוצת הסתברויות המציינת היכן סביר להניח שממוקמים הקונוסים. אחרי אימון ראשוני על נתונים סינתטיים, הקבוצה כיוונה את המודל עוד באמצעות מאגר קטן יותר של תמונות AOSLO אמיתיות ממאגר ציבורי ידוע, ולבסוף בדקה אותו על תמונות עצמאיות ממעבדה אחרת כדי לראות עד כמה התאמה כללית של המודל טובה.

כמה המחשב תואם למומחי אדם

החוקרים השוו את השיטה האוטומטית שלהם עם סימון ידני מתיש ועם שתי אלגוריתמים מובילים לזיהוי קונוסים. באמצעות מדד סטנדרטי של חפיפה בין סימוני הקונוסים החזויים לבין הסימונים הידניים, ה-U-Net החדש השיג ביצועים תואמים או כמעט תואמים לאלו של המדרגים המומחים ושל השיטות המתחרות על המאגר הציבורי. ובנקודה מכרעת, במבחן על סט תמונות נפרד שנלקחו במרחקים שונים מהמרכז הראייתי ואסופים במכשיר שונה, המודל עדיין סיפק ביצועים גבוהים. ממצא זה מרמז כי אימון נרחב על נתונים סינתטיים המכסים טווח רחב של תנאי הדמיה עזר לרשת ללמוד תכונות המועברות היטב לתמונות אמיתיות, במקום להיצמד יתר על המידה למצלמה או לאוכלוסיית חולים ספציפית.

מה זה יכול להציע לטיפול בעיניים בעתיד

עבור לא־מומחים, המסר המרכזי הוא שתוכנית מחשב שאומנה במידה רבה על תמונות עין "וירטואליות" מסוגלת כיום לזהות קונוסים אמיתיים בסריקות רשתית ברזולוציה גבוהה בצורה אמינה בערך כמו מומחים אנושיים. על ידי הקלה על גילוי הקונוסים כדי שיהיה מהיר יותר, אובייקטיבי יותר וקל יותר ליישום על גבי סורקים ומרפאות שונות, גישה זו יכולה לסייע בהפיכת הדמיה מפורטת של הרשתית לכלי שגרתי למעקב אחר מחלות ברמת התאים הבודדים. בטווח הארוך, שיטות מבוססות נתונים סינתטיים דומות עשויות להרחיב לזיהוי סוגי תאים אחרים ולמודל איבוד תאים הקשור למחלה, ותתמוך באבחון מוקדם יותר, במעקב טוב יותר אחרי ההתקדמות ובהערכת יעילות מדויקת יותר של טיפולים חדשים שנועדו לשמר את הראייה.

ציטוט: Shah, M., Young, L.K., Downes, S.M. et al. Automated cone photoreceptor detection using synthetic data and deep learning in confocal adaptive optics scanning laser ophthalmoscope images. Sci Rep 16, 8313 (2026). https://doi.org/10.1038/s41598-026-39570-9

מילות מפתח: הדמיית רשתית, פוטורצפטורי קונוס, למידה עמוקה, נתונים סינתטיים, אופטיקה אדפטיבית