人工智能在老年眼科疾病检测中的应用.pdf

第 期 年 月专题论坛 基金项目：江苏省中医药科技发展计划项目（）；溧阳市科技项目（）作者单位：江苏省南京市，南京中医药大学（陶思翰，马广成）；江苏省南京市，南京中医药大学附属医院眼科（陈茜，施炜）通信作者：施炜，：人工智能在老年眼科疾病检测中的应用陶思翰 马广成 陈茜 施炜施炜 教授 中图分类号 文献标志码 ：人工智能（，）是人类历史上的第四次工业革命。的概念最早是在 年由约翰麦卡锡提出，他定义 是一个通用术语，“指表现出智能行为的硬件或软件”。但直到最近，由于新算法、专业硬件、云服务和大数据的发展，才得以实现。机器学习（，）出现于 世纪 年代，是 的一个分支，是计算机通过从已知数据库中提取广义原理，应用在新数据上做预测的方法。深度学习（，）出现在 世纪初，是机器学习中重要的子领域，主要作用是大数据处理以及预测分析。通过模拟人脑的统计模式，根据互联节点层间连接的权重来处理输入，使用表征学习方法自动提取所需的特征，并对复杂的数据集进行分类，大大减少了算法结构对人力的依赖。为现代社会的许多方面提供了动力，例如识别图像中的物体、实时语言翻译、语音操作设备等等。近年来，医疗保健领域一直走在 应用的前沿。在眼科领域的应用同样是近年来的热点。通过对眼科影像学检查结果进行智能分析，在糖尿病视网膜病变（）、年龄相关性黄斑变性（）、青光眼等老年人常见眼科疾病的筛查、诊断、分级和指导治疗方面展现了强大的性能，同时在眼科远程医疗中也有重要应用。在这篇综述中，我们总结了近年来 在眼科领域的主要进展，阐明了现阶段 应用于临床可能存在的一些问题，并指出了一些解决方法和未来发展方向。在 中的应用 是一种发病率逐年增加的常见代谢性疾病。据 推算，到 年，总人数将达到 亿。是 常见的微血管并发症，是老年人群后天性失明的主要病因。随着 病人人数的增加，预计到 年 和视力威胁（）病人的数量将分别增至 亿和 万。视网膜病变的早期检测是 病人管理的重要组成部分。美国糖尿病协会的现行指南建议没有任何眼部症状的 病人每 年看 次眼科医生。在过去几年中，世界各地的许多科研团队致力于将 与 的筛查相结合，可能改变传统的 筛查模式。等曾在 年基于 例 病人的数字眼底彩色图像开发了爱荷华检测项目（），以检测可疑的糖尿病性视网膜病变（），并利用 数据集验证，得到 的灵敏度和特异度分别为 和 ，为 。年时，实用老年医学 年 月第 卷第 期 ，等又验证了用于 检测的 增强算法，其灵敏度和特异度分别为 和 ，为，大大提升了算法的特异度。等用 张眼底视网膜图像训练开发了 筛查的新系统，该算法最大的特点是具有多个操作点，因此可以调整其灵敏度和特异度以匹配特定临床设置的要求。虽然 结合 筛查展现出了强大的诊断效率，但是 对于诊断特征的抓取并不会自动显示出来，并且这些特征可能是人们以前未知或忽略的。因此，临床医生和病人都担心 像一个“黑箱子”，缺乏解释性。等开发的算法通过自动生成的异常区域热图，使得 学习到的信息可视化，该算法在使用训练数据集进行 倍交叉验证时的 为，灵敏度和特异度分别为 和。等则运用了更加先进的 方法尝试将 的分类过程可视化，使用了 等 个神经网络分别独自训练来对眼底照片进行 级分类，该研究得到的准确率为，、敏感度和特异度分别为 、和 。等首次将 筛查系统应用于真实的 筛查计划并从 个不同的国家和地区来自 个不同社区、不同人种的外部数据集进行验证，基于 开发的 筛查系统在检测 和 时的、灵敏度、特异度分别为、和 、，个外部数据集的 为 。等回顾性地从上海市第一人民医院收集 例病人的 张视网膜眼底图像，使用深度集成优化了的 算法检测 和糖尿病黄斑水肿（），并在 检测上实现了 、和 的、灵敏度和特异度，在 检 测 上 实 现 了 、和 的、灵敏度和特异度，其表现等于或超过眼科医生。来自上海交通大学的 等开发了一个名为 的深度学习系统，大大提升了早期 的检测准确性。该系统基于对视网膜病变的准确检测，实现了 从早期到晚期的全过程诊断，对微动脉瘤的检测尤其准确。还有学者将 对 的筛查用于初级保健中心或者社区卫生服务中心。时至今日，在 中的应用已日趋成熟，研究从公开的视网膜图片数据库渐渐转向真实世界，很多研究从经济效益等更实用的角度评估了 在 筛查和分期中的应用。然而，在中低收入国家，大规模运用于 的临床筛查在当下仍不可行。在 中的应用 占全球所有失明病人的 ，是发达国家最常见的致盲原因，尤其是 岁以上人群。随着人口老龄化的大幅加快，其流行率可能会进一步增加。预计到 年，亿病人可能患有，约 的病人患有中度或更严重的。年龄相关眼病研究（）将 分为无、早期、中期和晚期。美国眼科学会建议，中度或更严重的 病人至少每 年就诊 次。和 一样，的筛查与 结合同样展现了巨大的潜力。等报告了一种基于临床 筛查开发的 筛查系统，使用 例病人的 张未经黄斑分割的以视网膜中心凹为中心的视网膜图像对 系统进行了训练和测试。使用 架构 开发的 系统在检测 时的、灵敏度和特异度分别为 、和 。等基于 数据集 例病人的十多万张眼底照片将 进行了二元分类：无 和早期 分为一类，中期 和晚期 分为一类，并训练了 个不同的 系统以比较它们的准确率，分别是 的 模型（）和 的（），其中 使用了迁移学习的方法。使用原数据集进行五倍交叉验证，报告的诊断准确率为 ，为 。报告的诊断准确率为 ，为 。然而，该研究的一个局限性在于它完全依赖于 数据集，没有使用单独收集的临床数据集进行性能评估。等通过 对 进行自动分级，基于 级严重等级量表将眼底图像分为 类。同样运用 数据集，并从中提取了 例病人的 张眼底图片，用于训练集，用于验证集，用于测试集，并且加入了包含 张眼底图片的 数据集作为独立外部测试数据集。该研究训练了 个不同的卷积神经网络（）并应用了数据增强方法。同时，针对 领域的“黑匣子”问题，该研究通过随机屏蔽部分眼底图像后检测结果的准确率来确定眼底图像中被 感知和整合的重要区域，从而将 的分类过程可视化。由于单眼患渗出性“湿性”年龄相关性黄斑变性（）的病人，另一只眼患 的概率将大幅增加。等选择了 例单眼患有 的病人，用每 个月获得 次的同眼光学相干断层实用老年医学 年 月第 卷第 期 ，扫描（）图像训练，以输出 个分数，表示 个月内转化为 的可能性。在 曲线上确定了 个可用于不同临床场景的操作点：一个高灵敏度操作点具有 的灵敏度和 的特异度，另一个高特异度操作点具有 的灵敏度和 的特异度。这一表现超过了 名视网膜专家中的 名。在青光眼中的应用青光眼是全球范围内导致失明的主要原因。全球 岁人群青光眼的患病率为 ，到 年，青光眼病人人数预计将增加到 亿。将在青光眼的筛查、诊断和监测中发挥着关键作用。应用于青光眼筛查最大的困难在于青光眼是一种异质性疾病，对该疾病的结构和功能损害难以达成一致性定义。在青光眼的早期阶段，定义和诊断尤其困难。临床上通常用杯盘比（）来量化青光眼的视神经病变。然而，人群中视盘的面积差异可以达到 倍，所以实际上用 来定义视杯的病理性扩大是不合理的。虽然青光眼的定义并不明确，但 系统可以被训练用来识别疾病的表型特征。等将青光眼视盘改变的标准定为 ，以此来训练算法检测青光眼。相似地，等则把青光眼视盘改变的标准定为 。这两个算法检测结果的准确率都超过。相较于将单一的采用 值作为标准，等开发的青光眼检测系统则加入了更多眼底特征性改变，如视网膜神经纤维层萎缩、视盘出血和视乳头周围萎缩等，这些眼底病变发生在 增高之前。检测系统使用 张确诊青光眼病人的眼底照片对算法进行训练和测试，得到了 的极高。等开发了一个无监督的计算机算法，以识别包括青光眼和非青光眼缺陷的视野缺损模式，并为这些模式分配加权系数。该方法已被证明可用于检测青光眼引起的早期视力缺损。等使用另一种高斯混合和期望值最大化方法沿不同轴分解视野，以检测视野缺损的进展。在检测视野缺损进展方面，此算法优于当前其他算法。在青光眼的治疗和临床预测方面，尽管当今常用的降低青光眼眼内压（，）的治疗方法已被证明在延缓青光眼进展方面有效，但一些研究表明，疾病进展仍然不可避免。这表明，我们尚未找到针对各种形式青光眼的最佳治疗方案。针对于此，等开发了一种临床预测工具，该工具使用眼压和视野数据来预测不同目标眼压下的疾病轨迹。进一步完善该工具，整合其他眼科和非眼科数据，将有助于建立目标眼压，并根据具体情况制定实现目标的最佳策略。等则通过眼内压和视野的纵向数据准确预测了青光眼病人的视野缺损进展。在眼科的应用可以与远程医疗联合使用，作为一种良好的医疗供需失衡的解决方案，技术在、青光眼等图像的特征提取和自动化筛查中具有良好的临床应用前景。但目前还存在一些不足和挑战，包括临床技术挑战、算法结果的准确性和可解释性、病人的隐私保护伦理问题等。如何明确 可能引起的医疗事故、医疗纠纷等的主体责任问题，也亟待解决。综上，在眼科领域的研究和应用取得了巨大的成果，当下仍存在一些不足和挑战，但随着 技术的不断发展和人们将 运用于医疗领域研究的深入，这些问题或许可以迎刃而解。参考文献 ，：，：，（）：，：杨玉微，云东源，李龙辉，等 眼科人工智能在远程医疗中的应用眼科学报，（）：，（）：，：，：，（）：，（）：，（）：，实用老年医学 年 月第 卷第 期 ，（）：，（）：，（）：，（）：，：，（）：，（）：，：，（）：，：，：，：，（）：，（）：，（）：，（）：，：，（）：，：，（）：，（）：，（）：，（）：，：，（）：，：（收稿日期：）