في خضم التطورات السريعة في مجال الذكاء الاصطناعي (AI)، يظهر تأثير تصوير الشبكية كأداة غير تدخّلية للكشف عن المخاطر الصحية النظامية بطريقة جديدة ومثيرة. الدراسة الحديثة المُدَعَمة بتقنيات الذكاء الاصطناعي القابلة للتفسير (XAI)، فحصت العلاقة بين الخصائص الميكروفوعية في الشبكية ومختلف الاضطرابات النظامية المرتبطة بمرض السكري من النوع الثاني.

تضمنت الدراسة تحليلًا لـ 11,011 صورة لشبكية العين من 2,719 فرداً. استخدمت الدراسة نموذجًا عميقًا متعدد المهام يكشف عن حالات مثل الحالة السكرية (glycaemic status) واضطرابات الكلى، مما يساعد في تحديد المخاطر النظامية المحتملة.

استخدم الباحثون تقنيات مثل رسم خرائط تنشيط الفئات المعتمدة على التدرجات (Gradient-weighted Class Activation Mapping) لفهم كيف يمكن للنموذج التركيز على الأوعية الدموية والشبكية. وقد أظهرت النتائج أن التركيز كان أعلى على الأوعية الدموية، مما يدل على أنها كانت المصدر الرئيسي للتنبؤ.

بينما كانت قدرة النموذج على التنبؤ بالحالة السكرية محدودة (AUC = 0.49-0.61)، إلا أن التنبؤ باضطرابات الكلى كان أفضل بكثير (AUC حتى 0.63). هذه الفروق تعكس الطرق المتعددة التي يمكن أن يتم بها تمثيل الإشارات النظامية باستخدام شبكة الأعصاب.

في النهاية، تقدم هذه الدراسة أولية قوية لتطبيق الصور الشبكية كعلامات رقمية ذات دلالة لفهم المخاطر النظامية في مرض السكري عن طريق دمج التعلم متعدد المهام مع تأكيدات XAI. يبشر هذا الإطار مستقبلًا أكثر وضوحًا في مجال الصحة الرقمية، حيث يمكن لتقنية التصوير الشبكي أن تعكس الحالة الصحية العامة للفرد.