摘要：青光眼是一组异质性神经退行性疾病，其特征是视网膜神经节细胞及其轴突逐渐消失，现已成为全球不可逆性失明的主要原因。人工智能(artificial intelligence，AI)是一门新兴的技术科学，由机器展示的智能，而深度学习(deep learning，DL
青光眼是一组异质性神经退行性疾病，其特征是视网膜神经节细胞及其轴突逐渐消失，现已成为全球不可逆性失明的主要原因。人工智能(artificial intelligence，AI)是一门新兴的技术科学，由机器展示的智能，而深度学习(deep learning，DL)是其中一个基于深度神经网络的分支，在医学成像领域取得了重大突破。在青光眼影像方面，已有越来越多的研究将DL应用于眼底图像以及光学相干断层扫描(OCT)，以检测青光眼性视神经病变。有不少研究结果显示，将DL技术整合到影像中进行青光眼评估是高效、准确的，这可能会解决当前实践和临床工作流程中的一些难题。在第16届EGS会议上，Ingeborg Stalmans教授深度分析探讨了人工智能在青光眼诊疗中的运用。
利用DL模型分析青光眼在光学相干断层扫描下的逐点视野数据
在青光眼治疗过程中，标准自动周边测量法是监测视野缺损的金标准，但它容易受到受试者内部变异的影响。Hemelings等人发行并验证了一个以 Xception 为网络骨架的定制化DL回归模型，该模型可从非分层光学相干断层扫描（OCT）中估算点状和整体视野敏感度。方法是使用四种成像模式（直径分别为 3.5 mm、4.1 mm和 4.7 mm的视神经乳头周围视网膜OCT）和扫描激光眼底照相正面图像来训练 DL 回归模型，以估算平均偏差（mean deviation，MD）和 52 个阈值。这项回顾性研究使用了接受完整青光眼检查的患者的数据，包括可靠的汉弗莱视野分析仪（HFA）24-2 SITA 标准（SS）VF 检查和 SPECTRALIS OCT。
AI运用于青光眼诊疗的优势
01
AI与眼底照相
青光眼是以视网膜神经节细胞(retina ganglion cells，RGC)及其轴突丢失为特征的神经退行性病变，可以导致视杯变大、盘沿组织变窄、盘沿切迹、出血等特征性的结构改变，这些改变可以通过眼底照相完整呈现。眼底照相和AI最早的结合为：AI可以准确识别照片中的重要位置，如识别视盘的敏感性和特异性均可达99.1%，识别黄斑的敏感性和特异性分别为 80.4%和99.1%。随着DL的发展，建立以眼底照相为基础的筛查模型，符合理想的筛查方法的要求，使广泛开展青光眼筛查变为可能。
02
AI与OCT
OCT能够精确定量视神经和视网膜的结构改变比，如环视乳头视网膜神经纤维层(retinal nerve fibers layer, RNFL)厚度、盘沿宽度、视盘面积和视网膜神经节细胞复合体(ganglion cell complex GCC)等，常用于检测青光眼性结构改变。最早的基于时域OCT（TD-OCT）的RNFL厚度和视神经乳头参数的人工神经网络，可以成功区分青光眼和健康眼。深度学习模型的出现给AI在眼科应用带来了快速发展， DL使用普域OCT（SD-OCT）视乳头周围RNFL图像分析的数据包括各个钟点方向的RNFL 厚度、各个象限的RNFL厚度、平均RNFL厚度、盘沿宽度、视盘面积、平均杯盘比、垂直杯盘比等，得到了优于传统仪器和青光眼专家的诊断结果。除此之外，基于OCT或视野的单模态AI应用取得了一定的进展，同时在OCT与视野结合的多模态AI应用也初见成效，相较于单独在结构或功能上进行AI的测试学习同时在结构与功能上进行AI测试学习的诊断效能更好。
03
快速进展风险
提前预测青光眼的进展具有很大的临床意义，如能通过眼底照相、OCT、视野检查的数据来预测青光眼后续的进展。近年来，DL算法在青光眼进展预测中已有不少研究，以基线视野或OCT检查数据为基础，进行DL算法的训练来预测青光眼的疾病进展。
AI运用于青光眼诊疗面临的难题
01
大数据
从临床角度来看，建立一个具有准确标注的大型数据库至关重要。该数据库应尽可能包括来自全球多个中心的数据，以保证数据的多样性，减少由数据相关因素(例如种族/种族、疾病严重程度、成像技术、成像仪器的差异)引起的偏差，而为了收集大型数据集以进行DL系统开发，需要针对数据收集、共享、标注、参考标准和DL模型结果报告建立一套标准化的准则。
02
可解释性
人工智能的各个利益相关者对透明度的要求越来越高。黑盒模型的风险在于做出和使用的决策可能不合理、不合法，或者无法对其行为进行详细的解释。在很多领域，模型的可解释性都十分有必要。例如，在精准医疗中，为了支持诊断，专家需要从模型中获得远比简单的二元预测结果多得多的信息。DL算法的“黑箱”性质阻碍其在临床的发展，它的机制是未知的，也就是DL是通过何种特征进行诊断的。算法内部更具体的机制及每一卷积层的物理含义并不十分明确，无法为临床医生提供诊断依据。算法从训练数据集中推导出结构或功能与疾病相关性的模式，其模式与实际理论可能存在一定的不一致性，在输入多模态数据集时，模式中可能会关联一些与青光眼诊断无关的数据作为参考。
03
普遍可接受性
AI在青光眼诊疗应用中接受度问题：AI仍在落地起步阶段，通过医疗审批的相关眼科医疗产品极少，普及度较低，导致医生与患者的普遍接受度不高，医生与患者接受AI的临床应用需要一个过程。
AI辅助诊疗青光眼的临床运用现状
01
已应用于临床--青光眼的诊断
近年来，AI在OCT和视野检查上的研究与应用更加深人，极大地提高了青光眼的诊断效率与准确率。同时也有研究将0CT与视野检查的诊断结合，从功能与结构上进行分析，分别从结构和功能上提出青光眼诊断的客观标准，得到更加合理与精确的诊断结果。
02
部分应用于临床--AI辅助下OCT与视野联合
Xiong 等人的研究中，开发了基于OCT 与视野配对数据输人的新型 DL算法，该双模态算法能精准地识别青光眼患者，是世界上首次联合功能(视野)与结构（OCT）的大数据检查，受试者工作特征曲线下面积达到 0.943，优于同期检测的任一单一模态。但值得注意的是，此运用只能作为辅助手段，无法完全替代视野的检查。
03
正在研究进展中：AI预测青光眼进展因素
近年来，研究人员开始利用AI技术对青光眼患者的各项数据进行深度分析，以预测病情的进展。他们通过收集患者的眼压、眼底照片、视野检查等多种信息，结合患者的年龄、性别、家族病史等个体差异因素，建立起了一个全面的青光眼预测模型。然而，AI预测模型也面临着一些挑战。首先，数据的质量和数量对模型的准确性有着至关重要的影响。如果数据存在误差或不足，模型的预测结果可能会出现偏差。其次，模型的训练和优化需要大量的时间和资源，需要专业人员的支持和维护。最后，AI预测模型的应用还需要考虑到伦理和隐私等问题，需要制定严格的管理规定和操作流程。
Ingeborg Stalmans 教授专访
《国际眼科时讯》：人工智能在青光眼治疗中有哪些应用？
Stalmans 教授：我们已经使用人工智能进行了各种开发，这对青光眼诊疗非常有用。首先是在AI辅助下使用眼底照片诊断青光眼。该应用已经被多个团队研究并发表了基于眼底照片监测青光眼的人工智能算法。第二个应用程序是帮助评估视野。众所周知，视野检查是偏主观性的，重复测试具有可变性。因此人工智能的辅助也可以帮助我们尽可能克服这一点。现在已经有不少研究团队开发出可以从OCT图像中估计视野的人工智能算法。OCT的结果是客观性的，该应用可以帮助获得良好准确性的视野检查结果，但这还是无法完全取代视野检查。到目前为止，依然有不少AI运用于青光眼诊疗的研究正在开发中，比如根据基线眼底图像预测青光眼快速进展的风险。如果我们能够在诊断时确定哪些患者的快速进展风险更大，我们就会知道哪些患者需要更密切的随访和更严谨的护理。
《国际眼科时讯》：深度学习模型在青光眼的诊断和筛查有哪些优势？
Stalmans 教授：比如根据眼底照片确定青光眼的风险就是这样的优势。目前的仪器、视野、OCT等进行筛查性价比较低，过程繁琐且昂贵。如果我们能够基于简单的眼底图片进行筛查，并应用人工智能算法，这将大大降低成本。更进一步分析，例如，将青光眼发病率较高人群与其基因预筛查相结合进行研究，可以使青光眼筛查具有成本效益。
《国际眼科时讯》：将人工智能应用于青光眼诊疗的未来挑战是什么？可能的解决方案是什么？
Stalmans 教授：人工智能运用于青光眼的诊疗确实有它的挑战。比如需要大量数据，但我们正在通过合作和需要较少图片的人工智能技术寻找解决方案。另一个重要问题是黑匣子现象，作为临床医生，我们并不是非常了解人工智能是根据什么特征进行诊断的。所以这就是为什么我们围绕AI的可解释性做了很多研究工作。洞悉这些人工智能算法是如何做出决定的，将会更容易为我们临床医生所接受。除此之外，还有可推广性这一挑战。算法不仅应该在已经开发的特定临床环境中工作，还应该在使用其他仪器的其他人群中工作等等。这就是为什么一个可推广的人工智能模型如此重要。但同样，也有解决方案。比如通过对图片进行预处理，使各种图片看起来更加相似，以能够开发出一个实际上非常普遍的模型。我们已经在世界各地的不同环境中测试了14多个数据库，从基于人群到临床环境，事实证明它在所有这些环境中都能很好地工作。
《国际眼科时讯》：在这次会议上，您对青光眼领域的哪些进展非常感兴趣？
Stalmans 教授：我对我们各届会议的研究内容都感到非常好奇，也非常开心和满意收获了如此多的分享。在本次会议上，我主要对有关于人工智能、筛查、以及目前还颇具有争议的相关内容非常感兴趣。我也相信，通过知识火花的碰撞，我们将会创造出更造福于人类卫生事业的成果。
总结
AI预测青光眼进展因素的研究仍然具有广阔的应用前景。随着技术的不断进步和完善，我们有理由相信，AI将在眼科医学领域发挥越来越重要的作用，为青光眼等复杂眼疾的诊断与治疗提供更加高效、准确的解决方案。
来源：柴犬说科学