北京同仁医院

人工智能（Artificial intelligence , AI）的观点源于19世纪50年代。
随着打算机科技的发展，AI观点下逐渐形成了机器学习及目前的深度学习技能，后者的可从大量无标注数据中自我演习、创造内在规律，因而在医学领域引起研究热潮。
AI在图像识别、数据挖掘、信息提取等方面的上风不仅可减少重复劳动、节约本钱，而且在提高疾病筛查、诊断、疗效评估、预测以及康健管理等医疗行为的效率及准确性等方面均发挥主要浸染,因而在医学领域具有强大运用潜力。
眼科因影像资料丰富、获取便捷而成为研究重点。
2017-2019年揭橥的AI与医学影像干系的同行评议研究中，眼科领域研究约占1/4。
在美国食品药品监督局（FDA）已批准30多项AI医学产品，眼科疾病筛查产品也属于首批获准的类目。

当前眼科领域的人工智能研究 1、糖尿病视网膜病变 糖尿病视网膜病变（糖网）的眼底摄影筛查是眼科领域AI运用最早、干系研究最多且最靠近运用层面的方向。
FDA 于2018年4月首次批准了AI产品IDx-DR用于糖网筛查诊断，并于今年8月再次批准类似产品EyeArt的临床运用；EyeArt 及 Retmarker 两款AI产品已在欧洲运用于糖网筛查；我国国家药品监督管理局（NMPA）在本年度也认证了两项糖网筛查软件。
此外，基于AI的糖网识别与严重程度分级已运用于以人群为根本的研究中；基于AI 的糖网筛查已列入印度糖网筛查规范。

图片

部分已运用于糖网筛查的AI产品 基于AI的糖网筛查的模式包含AI独立筛查及AI与人工筛查结合两种模式，对付前者，AI筛查阈值设定需兼顾敏感性与特异性，以担保筛查诊断的准确性；对付后者，应设定高敏感性的筛查阈值以初步检出可疑糖网，进一步人工确认，是当前更为推崇的模式。
在AI糖网筛查逐渐走向实践运用的过程中需考虑如下问题： 首先，便捷高效的糖网筛查必定增加眼科门诊就诊量，因此需相应调度医疗资源配置。
其次，鉴于目前多数软件仅识别单一疾病，糖网筛查是否同时识别其他眼科疾病也值得关注和进一步探索。
2、年事干系性黄斑变性 AI在年事干系性黄斑变性（AMD）的运用研究也是热点。
多数研究为基于眼底照片和OCT识别AMD，显示出较高的敏感性和特异性，尤其是对付晚期AMD。
基于OCT图像研发的AI算法可以识别、自动分割以及量化AMD干系特色，如视网膜内液区、色素上皮分开区域等，与眼科年夜夫比较均有较高同等性。
此外，少数研究关注了AI模型对付AMD患者5年内进展为晚期AMD、以及nAMD患者对侧眼6个月后是否进展为nAMD的预测能力，也显示出较高的准确性。
干系研究为疾病及时干预供应了依据。

图片

AI模型用于nAMD患者视网膜内液(IRF)区域识别与分割 未来AI与AMD干系研究应更关注疾病预测能力，同时纳入多模态数据，尤其是包含功能学、治疗、预后等信息的临床资料。
3、青光眼 青光眼筛查也是眼科较早开展AI研究的领域，紧张是依据眼底照片，以及视野、OCT等数据识别青光眼或可疑青光眼。
青光眼的AI诊断研究还面临诸多问题，紧张源于青光眼诊断本身。
首先，当前青光眼诊断之于病变本身而言，具有相对滞后性。
当构造及相应的功能学改变/进展涌现时，病情实则已进展到一定程度。
鉴于青光眼病情的不可逆性，其预测以及早期诊断更为主要。
因此，基于早期青光眼进行演习模型、识别青光眼干系临床特色具有主要意义； 其次，基于眼底照片段定的青光眼干系特色每每缺少解剖学依据、主不雅观性较强，易导致学习偏差，后续研究可综合OCT构型参数、功能学、遗传学信息以及临床资料等多维度信息。

图片

临床年夜夫基于眼底照判断杯盘比同等性较低 4、近视 AI与近视（或屈光系统）干系研究也是当前热点。
一项基于英国Biobank以及AREDS数据库的研究显示，AI可通过眼底照片段定屈光度数，偏差分别为0.56D及0.90D，黄斑中央凹区域可能为判断屈光度的紧张依据。
来自中山眼科中央的一项多中央研究基于学龄儿童或青少年，利用年事、基线屈光度、屈光度年进展率等信息构建了未来10年或18岁时个体高度近视发生预测AI模型，准确性达80%以上。

图片

AI模型基于眼底片照推测屈光度数 5、其他眼科领域 AI在眼科领域的运用还包括角膜疾病、白内障及早产儿视网膜病变等的识别。
此外，依据眼底特色识别心脑血管疾病及干系危险成分也是当前研究热点。
医学人工智能研究领域发展的普遍问题及规范 2019年伯明翰大学医院等机构的学者评估了122篇符合干系方向的AI医疗领域研究，合格率仅为20%。
该研究将目前AI医学领域研究共同问题归纳为以下6方面：大多数研究中的诊断伶仃于临床实践；样本量打算缺少共识；多为回顾性研究，前瞻性研究少；模型效能缺少阈值校正，或者阈值设置不符合临床实际；外部验证缺少独立数据；模型缺少透明性。
目前，多个国际标准化组织已经制订并揭橥了涉及AI研究的标准化规范，包括干预性试验标准化流程建议—人工智能部分（Standard Protocol Items: Recommendations for Interventional Trials, SPIRIT—AI Extension）及临床试验报告统一标准声明—人工智能部分（Consolidated Standards of Reporting Trials, CONSORT-AI Extension），这些规范的出台和运用将进一步提高AI医学研究质量，促进其在医疗实践中发挥实际上风。

参考文献1.Ting DSW,et al. Deep learning in ophthalmology: The technical and clinical considerations. Prog Retin Eye Res. 2019 Sep;72:100759. doi: 10.1016/j.preteyeres.2019.04.003. Epub 2019 Apr 29. 2. Liu XX, et al. A comparison of deep learning performance against health-care professionals in detecting diseases from medical imaging: a systematic review and meta-analysis. September 24, 2019 https://doi.org/10.1016/ S2589-7500(19)30123-2 3.Li JO, et al. Digital technology, tele-medicine and artificial intelligence in ophthalmology: A global perspective. Prog Retin Eye Res. 2020 Sep 6:100900. doi: 10.1016/j.preteyeres.2020.100900. 4.Ting DSW,et al. Artificial intelligence and deep learning in ophthalmology. Br J Ophthalmol. 2019 Feb;103(2):167-175. doi: 10.1136/bjophthalmol-2018-313173. 5.Varadarajan AV, et al. Deep Learning for Predicting Refractive Error From Retinal Fundus Images. Invest Ophthalmol Vis Sci. 2018 Jun 1;59(7):2861-2868. doi: 10.1167/iovs.18-23887. 6.Lee CS, et al. Deep-learning based, automated segmentation of macular edema in optical coherence tomography. Biomed Opt Express. 2017 Jun 23;8(7):3440-3448. doi: 10.1364/BOE.8.003440. 7.Tufail A, et al. Automated Diabetic Retinopathy Image Assessment Software: Diagnostic Accuracy and Cost-Effectiveness Compared with Human Graders. Ophthalmology. 2017 Mar;124(3):343-351. doi: 10.1016/j.ophtha.2016.11.014. Epub 2016 Dec 23.8.Lin H, Long E, Ding X, Diao H, Chen Z, Liu R, Huang J, Cai J, Xu S, Zhang X, Wang D, Chen K, Yu T, Wu D, Zhao X, Liu Z, Wu X, Jiang Y, Yang X, Cui D, Liu W, Zheng Y, Luo L, Wang H, Chan CC, Morgan IG, He M, Liu Y. Prediction of myopia development among Chinese school-aged children using refraction data from electronic medical records: A retrospective, multicentre machine learning study. PLoS Med. 2018 Nov 6;15(11):e1002674.?doi: 10.1371/journal.pmed.1002674. PMID: 30399150.

专家简介

图片

王亚星 医学博士，北京同仁医院副主任医师、副教授。
于都城医科大学及德国海德堡大学取得眼科学博士学位，曾在英国Moorfields眼科医院进行青光眼研究事情。
科研领域为青光眼形态学、生物力学以及人群研究。
承担国家自然科学基金面上项目及北京市科技新星等课题，目前担当British Journal of Ophthalmology 及EYE等国际杂志编委。