آیا عکس گرفته‌شده با تلفن می‌تواند سرطان چشم را شناسایی کند؟
در این مقاله
تبدیل دوربین تلفن به دستگاه غربالگری: اپلیکیشن مجهز به هوش مصنوعی سرطان‌های سطح چشم را از روی عکس شناسایی کرد
تومورهای سطح چشم، مانند ملانوم ملتحمه و نئوپلازی سنگفرشی سطح چشم، نادر هستند، اما بالقوه زندگی و بینایی را تهدید می‌کنند. مشکل این است که به‌دلیل نادر بودن، مردم از آن‌ها آگاه نیستند و تشخیص قطعی به چشم‌پزشکان باتجربه، آسیب‌شناسان و تصویربرداری تخصصی با معاینهٔ اسلیت‌لمپ نیاز دارد. در نتیجه، بیماران معمولاً از مرکزی به مرکز دیگر ارجاع می‌شوند، تشخیص به تأخیر می‌افتد و بیماری ممکن است پیشرفت کند. این مطالعه دقیقاً مشکل همین «مسیر تشخیص دیرهنگام و پرپیچ‌وخم» را هدف گرفته است.
مطالعه بر چه چیزی متمرکز بود؟
CaptureTumor یک سامانهٔ هوش مصنوعی مبتنی بر تلفن هوشمند است که مشخصاً بر خودغربالگری بدخیمی‌های رنگدانه‌دار (رنگی/ملانوسیتی) سطح چشم تمرکز دارد. این سامانه در یک مطالعهٔ بالینی آینده‌نگر 6 ماهه و غیرتصادفی در سراسر چین توسعه یافت و اعتبارسنجی شد. هدف این است که فرد بتواند با تلفن خود و از خانه غربالگری اولیه انجام دهد.
قدرت اپلیکیشن فقط در الگوریتم هوش مصنوعی نیست؛ در طراحی یکپارچه‌ای است که غربالگری، تریاژ و ارجاع را در یک مسیر به هم پیوند می‌دهد. عملکرد این مسیر چنین است.
📱 هوش مصنوعی چگونه آموزش دید و استفاده شد؟
آموزش: مدل یادگیری عمیق با تصاویر اسلیت‌لمپی آموزش داده شد که متخصصان طی 12 سال گرفته بودند. سپس با عکس‌های تلفن هوشمند که آزمون‌های کادربندی، فوکوس و نوردهی اپلیکیشن را گذرانده بودند، تنظیم دقیق انجام شد؛ یعنی مدل از «تصویر حرفه‌ای» به «تصویر تلفن» تطبیق یافت.
استفاده: اپلیکیشن به‌صورت «مینی‌برنامه» در پلتفرم WeChat، که در چین بسیار استفاده می‌شود، ارائه شد. راهنمای عکس‌برداری در زمان واقعی به کاربر می‌داد، کیفیت تصویر را خودکار کنترل می‌کرد، تصاویر را در فضای ابری پردازش می‌کرد، بررسی فایل‌های بارگذاری‌شده توسط پزشکان در 24 ساعت را فراهم می‌کرد و موارد پرخطر را به مراکز تخصصی ارجاع می‌داد.
روش‌شناسی — نکات اصلی
- طراحی: مطالعهٔ بالینی غیرتصادفی در سراسر چین (NCT05645341)؛ توسعه و اعتبارسنجی اپلیکیشن تلفن هوشمند.
- شرکت‌کنندگان: از دسامبر 2022 تا ژوئن 2023، از طریق تلویزیون، شبکه‌های اجتماعی و بیمارستان‌های اینترنتی، 614 شرکت‌کننده با سن 4-87 سال، میانهٔ سنی 46 و 49% زن جذب شدند. تحلیل نهایی شامل 805 تصویر از 535 شرکت‌کننده بود.
- مرجع (استاندارد طلایی): چشم‌پزشکان هر تصویر را برچسب‌گذاری کردند؛ در صورت امکان از آسیب‌شناسی بافتی و در غیر این صورت از تشخیص بالینی یا پزشکی از راه دور استفاده شد.
- پیامد اصلی: مساحت زیر منحنی ROC یا AUC برای تفکیک ضایعات بدخیم از خوش‌خیم.
عملکرد اپلیکیشن در شرایط گوناگون با مقادیر مختلف AUC سنجیده شد. هرچه AUC به 1,0 نزدیک‌تر باشد، قدرت تفکیک بالاتر است؛ مقادیر بالاتر از 0,9 معمولاً «نزدیک به عالی» محسوب می‌شوند.
ارزش اصلی یک آزمون غربالگری بیش از دقت «روی کاغذ» در این است که آیا در زندگی واقعی سرطان‌های واقعی را شناسایی می‌کند یا نه. مهم‌ترین نقطهٔ قوت مطالعه نیز همین است.
اثر در دنیای واقعی
- اپلیکیشن 58 ارجاع را آغاز کرد؛ از میان آن‌ها 20 بدخیمی با آسیب‌شناسی بافتی تأیید شد.
- از این 20 سرطان، 19 مورد قبلاً تشخیص داده نشده (جدید) بودند؛ یعنی سرطان‌هایی که بدون اپلیکیشن ممکن بود نادیده بمانند.
- هیچ‌کدام به برداشتن چشم یا بافت اطراف کاسهٔ چشم نیاز نداشتند؛ یعنی زود شناسایی شدند.
- مسیر ارجاع کوتاه شد: پیش از اپلیکیشن برای رسیدن به درمان قطعی به‌طور متوسط 3,69 ارجاع لازم بود، اما با اپلیکیشن این عدد به 1,02 کاهش یافت (P<0,001).
- اپلیکیشن برای تعداد موارد شناسایی‌شده در هر مرکز افزایش پنج‌برابری پیش‌بینی کرد، از ~8 به ~40 مورد در سال در هر مرکز؛ اما این برآورد نیازمند تأیید است.
چرا «شناسایی زودهنگام» این‌قدر مهم است؟
در سرطان‌های سطح چشم، تشخیص زودهنگام نه‌فقط بقا، بلکه حفظ چشم و بینایی را نیز تعیین می‌کند. در صورت تأخیر، درمان ممکن است به برداشتن چشم یا بافت اطراف، مانند اگزانتراسیون، برسد. اینکه هیچ سرطان تأییدشده‌ای در این مطالعه به چنین جراحی رادیکالی نیاز نداشت، فایدهٔ ملموس شناسایی زودهنگام را نشان می‌دهد.
با وجود این نتایج چشمگیر، محدودیت‌های مطالعه روشن هستند و نباید هنگام تفسیر نتایج نادیده گرفته شوند. هم نویسندگان و هم تفسیر دعوت‌شدهٔ همراه بر این نکات تأکید می‌کنند.
محدودیت‌های اصلی
(1) تعمیم‌پذیری: مطالعه تقریباً به‌طور کامل در جمعیت چینی انجام شد و تعداد افراد غیرچینی بسیار کم بود. عملکرد در قومیت‌های مختلف، رنگدانه‌گذاری‌های متفاوت چشم/عنبیه و نظام‌های سلامت گوناگون باید جداگانه اعتبارسنجی شود. (2) خطر کنار گذاشتن سالمندان: غربالگری مبتنی بر تلفن هوشمند ممکن است سالمندانی را که دسترسی یا آشنایی محدودی با فناوری دارند کنار بگذارد؛ شاید طراحی‌های سازگار با سن لازم باشد. (3) کوتاه‌مدت بودن: فقط نتایج کوتاه‌مدت غربالگری گزارش شده‌اند؛ اثر بلندمدت معلوم نیست. (4) برآورد ≠ شواهد: «افزایش پنج‌برابری» پیش‌بینی است، نه نتیجهٔ تأییدشده. (5) چه کسی استفاده می‌کند؟ همان‌گونه که تفسیر دعوت‌شده تأکید می‌کند، در یک جامعه اینکه چه کسی با این فناوری تعامل دارد، با توجه به سواد سلامت و دسترسی دیجیتال، بر نتیجه اثر زیادی می‌گذارد.
اهمیت اصلی مطالعه فراتر از موفقیت یک اپلیکیشن است. به‌گفتهٔ تفسیر دعوت‌شده، مدل «حلقهٔ بسته» که آموزش عمومی، تریاژ هوش مصنوعی و ارجاع تخصصی را پیوند می‌دهد، اثبات مفهومی قانع‌کننده برای غربالگری غیرمتمرکز بیماری‌های نادر ارائه می‌کند. بنابراین مسئله فقط سرطان چشم نیست؛ اشاره دارد که برای بسیاری از بیماری‌های نادر، نیازمند تخصص و دیرتشخیص‌داده‌شده می‌توان مدل مشابهی ساخت. اما همان‌گونه که تفسیر دقیقاً جمع‌بندی می‌کند، آیندهٔ ابزار به سه پرسش اساسی وابسته است: مدل تا چه حد به جمعیت‌های متنوع بیماران در جهان قابل تعمیم است؛ چه کسی در جامعه با فناوری تعامل می‌کند؛ و ارقام عملکرد خبرساز تا چه حد در استفادهٔ خودکار و گسترده قابل اتکا باقی می‌مانند.
⚡ چرا مهم است؟
این مطالعه یکی از ملموس‌ترین مزایای هوش مصنوعی در سرطان‌شناسی را نشان می‌دهد: خارج کردن غربالگری و تشخیص زودهنگام از بیمارستان و رساندن آن به جیب مردم. در سرطانی نادر، نیازمند تخصص و اغلب دیرشناسایی‌شده، دستیابی به دقتی نزدیک متخصص با تلفن هوشمند معمولی و شناسایی 19 سرطان جدید، اثبات مفهومی واقعی برای «غربالگری غیرمتمرکز» است. کاهش ارجاع‌ها از 3,69 به 1,02 نیز سود مستقیمی برای بیمار دارد.
✅ نقاط قوت
مطالعه‌ای آینده‌نگر و سراسری؛ سرطان‌های واقعی تأییدشده با آسیب‌شناسی بافتی؛ مقادیر بالای AUC، در دنیای واقعی 0,977؛ و مهم‌تر از همه طراحی «حلقهٔ بسته»، یعنی نه صرفاً الگوریتم، بلکه سامانه‌ای یکپارچه شامل راهنمای عکس، کنترل کیفیت، تأیید پزشک و ارجاع. اینکه هیچ سرطان شناسایی‌شده در دنیای واقعی به برداشتن چشم/کاسهٔ چشم نیاز نداشت، فایدهٔ ملموس تشخیص زودهنگام را نشان می‌دهد.
⚠️ محدودیت‌ها و احتیاط
مطالعه تقریباً کاملاً در جمعیت چین بود؛ تعمیم‌پذیری جهانی ثابت نشده است. رویکرد مبتنی بر تلفن هوشمند ممکن است سالمندان و گروه‌های با دسترسی دیجیتال محدود را کنار بگذارد. فقط نتایج کوتاه‌مدت موجود است. «افزایش پنج‌برابری» برآوردی تأییدنشده است. مطالعه تصادفی نیست. همچنین مشخصاً بر ضایعات رنگدانه‌دار تمرکز دارد؛ نباید فرض کرد همهٔ تومورهای سطح چشم را پوشش می‌دهد. معلوم نیست در استفادهٔ خودکار، بدون تأیید پزشک، عملکرد حفظ شود.
🩺 بازتاب در عمل
این ابزاری نیست که امروز وارد استفادهٔ معمول شده باشد؛ یک سامانهٔ پژوهشی است و فعلاً در زمینهٔ چین توسعه یافته است. بااین‌حال، مدل نشان‌داده‌شده، یعنی خودغربالگری با راهنمای هوش مصنوعی به‌علاوهٔ تریاژ تخصصی از راه دور، برای شناسایی زودهنگام سرطان‌های نادر، به‌ویژه در مناطق با دسترسی محدود به متخصص، آینده‌ای بسیار امیدبخش دارد. در کشورهایی مانند ترکیه، مدل‌های مشابه فقط با اعتبارسنجی محلی، تأیید اخلاقی/مقرراتی و ادغام در نظام سلامت قابل بررسی هستند.
❓ پرسش‌های آینده
آیا مدل در قومیت‌ها و نظام‌های سلامت مختلف همان عملکرد را خواهد داشت؟ آیا در استفادهٔ خودکار، بدون تأیید پزشک، قابل اتکا می‌ماند؟ آیا برآورد «افزایش پنج‌برابری» در دنیای واقعی تأیید خواهد شد؟ چگونه برای سالمندان و گروه‌های دارای دسترسی دیجیتال محدود تطبیق می‌یابد؟ آیا این مدل حلقهٔ بسته را می‌توان برای دیگر سرطان‌های نادر، مانند پوست یا داخل دهان، به کار برد؟
🗣️ چگونه برای بیمار و مردم توضیح دهیم؟
«یک اپلیکیشن تلفن هوشمند توسعه‌یافته در چین توانست نوعی سرطان نادر سطح چشم را از عکس‌های کاربران با دقتی نزدیک متخصص شناسایی کند و 19 سرطان قبلاً ناشناخته را آشکار سازد. این تحول بسیار امیدبخش است، اما فعلاً یک مطالعهٔ پژوهشی است، هنوز روش غربالگری در استفادهٔ معمول نیست و عمدتاً در چین آزمایش شده است. اگر تغییر رنگ در چشم، لک در حال رشد، خونریزی یا ضایعهٔ بهبودنیابنده مشاهده می‌کنید، باید مستقیماً به چشم‌پزشک مراجعه کنید، نه به اپلیکیشن.»
مطالعهٔ CaptureTumor نمونه‌ای هیجان‌انگیز از نقش ممکن هوش مصنوعی در غربالگری سرطان است: مدلی که فرایند تشخیص نیازمند تجهیزات گران و دسترسی به متخصص را با دوربین معمولی تلفن در اختیار مردم می‌گذارد. دقت بالا، شناسایی سرطان‌های واقعی و کوتاه شدن محسوس مسیر ارجاع، ظرفیت این رویکرد را نشان می‌دهد. اما همین مطالعه پرسش‌های همیشگی راهکارهای سلامت مبتنی بر فناوری را یادآوری می‌کند: به چه کسی می‌رسد، چه کسی را کنار می‌گذارد و موفقیت آزمایشگاه تا چه حد به دنیای واقعی منتقل می‌شود؟ بنابراین خوانش درست نه تیتر اغراق‌آمیز «تلفن سرطان را تشخیص می‌دهد» است و نه بی‌تفاوتی تحقیرآمیز؛ این یک اثبات مفهوم امیدبخش اما هنوز ناپخته برای غربالگری غیرمتمرکز بیماری‌های نادر است. آزمون واقعی این خواهد بود که آیا مدل در جوامع مختلف، برای افراد مختلف و در مقیاس بزرگ همان وعده را حفظ می‌کند.
منابع
- Wang R, Bi S, Lin D, Li M و همکاران. Smartphone-Based Proactive Self-Screening for Ocular Surface Malignancies: A Nonrandomized Clinical Trial. JAMA Ophthalmology، انتشار آنلاین 4 ژوئن 2026. DOI: 10.1001/jamaophthalmol.2026.1609.
- تفسیر دعوت‌شده (Invited Commentary). Mobile-Based Artificial Intelligence and Ocular Surface Malignancies. JAMA Ophthalmology، همان شماره، 2026. (مدل «حلقهٔ بسته» CaT، پرسش‌های تعمیم‌پذیری و گسترش مقیاس.)
- ClinicalTrials.gov. Artificial Intelligence-assisted Screening of Malignant Pigmented Tumors on the Ocular Surface. NCT05645341 (کوهورت آینده‌نگر، n=535).
- JAMA Ophthalmology / دانشگاه سون یات‌سن. سامانهٔ CaptureTumor (CaT): یادگیری عمیق + مینی‌برنامهٔ WeChat؛ AUC اسلیت‌لمپ 0,945، دنیای واقعی 0,977 (حساسیت 89,3%، ویژگی 95,9%)، عکس راهنمایی‌شدهٔ درون‌اپلیکیشن 0,905.
- ادبیات مرتبط (زمینه): AI in Ocular Surface Tumors: Current Advances, Challenges, and Future Directions. Diagnostics 2026;16(7):1103. (تعاریف OSSN، ملانوم ملتحمه و لنفوم و زمینهٔ غربالگری هوش مصنوعی.)
این نوشته خبر/مرور پزشکی با هدف اطلاع‌رسانی است و توصیهٔ پزشکی فردی یا ابزار تشخیص نیست. مطالعهٔ مورد بحث یک پژوهش بالینی غیرتصادفی است که عمدتاً در جمعیت چین انجام شده و نتایج کوتاه‌مدت گزارش می‌کند؛ نتایج برای قومیت‌های مختلف، نظام‌های سلامت و استفادهٔ خودکار گسترده نیازمند اعتبارسنجی جداگانه‌اند. «افزایش پنج‌برابری در هر مرکز» برآورد است، نه نتیجهٔ تأییدشده. CaptureTumor در حال حاضر سامانهٔ پژوهشی است، نه ابزار غربالگری دارای مجوز که وارد استفادهٔ معمول بالینی شده باشد؛ پیش از توصیهٔ آن برای غربالگری عمومی در هر کشور، از جمله ترکیه، اعتبارسنجی محلی و ارزیابی اخلاقی و مقرراتی لازم است. افراد دارای تغییر رنگ چشم، ضایعهٔ در حال رشد، خونریزی یا زخم بهبودنیابنده باید مستقیم به چشم‌پزشک مراجعه کنند، نه اپلیکیشن. این نوشته بر بازگویی مقالهٔ اصلی و تفسیر دعوت‌شده در JAMA Ophthalmology استوار است و نقل‌قول مستقیم از منابع ندارد. غربالگری پزشکی با هوش مصنوعی حوزه‌ای با تحول سریع است؛ داده‌ها مربوط به زمان آماده‌سازی نوشته هستند.
آیا این مقاله برای شما مفید بود؟
بازخورد شما به بهبود محتوای ما کمک می‌کند.
نظرهای خوانندگان
نظر خود را بنویسید
نام و دیدگاه شما فقط پس از تأیید مدیر منتشر می‌شود. نشانی ایمیل شما هرگز به بازدیدکنندگان نمایش داده نمی‌شود.
اولین نظر را شما بنویسید.