利用深度学习预测青光眼患者视力

包括伦敦大学城市分校的克拉伯实验室在内的一个团队的研究使用了“深度学习”(DL)，这是一种人工智能(AI)，对青光眼患者的数千张后眼图像进行了分析，以预测他们的视力受该疾病影响的程度。

为了实现这一目标，该研究动员并整理了来自英格兰三家NHS诊所的2.4万多名患者的大量数据。这项研究的结果表明，人工智能方法可以在临床中跟踪青光眼患者的发展过程中发挥作用，也可以用于优化青光眼研究试验。

青光眼——一组导致视神经渐进性损伤的眼疾——影响着大约2%的40岁以上人群和近10%的75岁以上人群，导致每年有超过100万人去医院就诊。青光眼一旦失明就无法恢复，因此早期发现和适当的治疗至关重要。

深度学习是一种“机器学习以及模仿人类获取某些类型知识的方式的人工智能。在这项研究中,深度学习模型分别应用于从青光眼患者的眼睛中提取的两种类型的大体积成像。目的是确定该模型是否可以用来预测患者可以看到的视觉区域(视野）.

第一种成像被称为光学相干断层扫描(OCT)，它使用低相干性(不太可能反射)的光来获得视网膜的高分辨率横断面图像，视网膜是眼睛后部的光敏感区域，眼睛在其上形成图像。视网膜内的层可以被区分，视网膜厚度可以被测量，以协助疾病的早期发现和诊断。

第二种成像方法叫做红外反射率(IR)红外线照亮视网膜，在这个病例中用来成像视盘，也就是视神经眼睛的一部分离开视网膜，进入大脑。

该研究的一个独特之处在于，深度学习方法学会了如何通过观察图像来预测患者的视野，而无需任何专家或医生对其中的特征进行任何标记。

该研究发现，每个深度学习模型都可以利用每种类型成像的各自体积中的模式，并仅从患者眼睛的图像中对特定患者的视野进行有用的预测。然而，该研究进一步发现，在OCT和IR两种成像类型中执行深度学习过程，在预测患者视野方面提供了更好的准确性。

而深度学习在这个阶段，预测还没有临床意义，但它们有足够的希望让研究作者探索这是否可以在下一阶段的研究中实现。如果是这样的话，这种技术就可以直接应用到临床病人身上，因为他们的青光眼可能正在恶化，因此需要做出加强治疗的决定。

利用眼后部图像来预测视觉功能的能力在设计青光眼新疗法的试验中也特别有用。例如，这可能意味着这些试验的结果可能会更准确，反过来，这可能会加速新疗法的交付。

大卫·克拉布是伦敦城市大学克拉布实验室的统计和视觉研究教授，他说:“这是一项令人兴奋的研究。通常情况下，海量的NHS数据只能束之高阁。在这里，我们用它开发了一种非常聪明的人工智能技术，可以学习图像中的元素，从而更好地预测视觉功能。这些技术可以用于为新产品设计更好的试验终点青光眼治疗方法。研究结果发表在最负盛名的国际眼科杂志上，这是我们在城市大学研究质量的另一个例子。”

这项研究可以在网上找到，并将在杂志上发表眼科学．

---

---