中山大學(xué)中山眼科中心教授張秀蘭團(tuán)隊(duì)成功利用AI智能預(yù)測(cè)青光眼發(fā)病與進(jìn)展。相關(guān)研究近日發(fā)表于《臨床研究雜志》。

該研究主要分為兩個(gè)部分，即青光眼發(fā)病預(yù)測(cè)和進(jìn)展預(yù)測(cè)。發(fā)病預(yù)測(cè)指基于基線(xiàn)眼底彩照評(píng)估3~5年后受試者轉(zhuǎn)為青光眼性視神經(jīng)病變的風(fēng)險(xiǎn)。研究團(tuán)隊(duì)開(kāi)發(fā)發(fā)病預(yù)測(cè)模型，基于基線(xiàn)眼底彩照預(yù)測(cè)未來(lái)發(fā)生青光眼的概率。發(fā)病預(yù)測(cè)模型由分割模塊與預(yù)測(cè)模塊兩部分組成，基于10357只眼的數(shù)據(jù)進(jìn)行訓(xùn)練，并在包含1674只眼的兩個(gè)外部隊(duì)列中進(jìn)行驗(yàn)證。

進(jìn)展預(yù)測(cè)指基于基線(xiàn)眼底彩照評(píng)估青光眼患者在未來(lái)3~5年發(fā)生視野進(jìn)展的風(fēng)險(xiǎn)。該部分研究受試者均接受眼底彩照和視野配對(duì)檢查。研究團(tuán)隊(duì)開(kāi)發(fā)進(jìn)展預(yù)測(cè)模型，基于基線(xiàn)眼底彩照預(yù)測(cè)未來(lái)發(fā)生青光眼進(jìn)展的概率。進(jìn)展預(yù)測(cè)模型同樣由分割模塊與預(yù)測(cè)模塊兩部分組成，基于3003只眼的數(shù)據(jù)進(jìn)行訓(xùn)練，并在包含850只眼的兩個(gè)外部隊(duì)列中進(jìn)行驗(yàn)證。

在進(jìn)一步的可解釋性分析中，熱圖表明人工智能模型預(yù)測(cè)風(fēng)險(xiǎn)時(shí)主要依據(jù)視盤(pán)邊緣和盤(pán)沿上、下血管弓區(qū)域，與臨床醫(yī)生評(píng)估青光眼損傷時(shí)的關(guān)注點(diǎn)極為相似。該研究首次在大樣本縱向眼底彩照數(shù)據(jù)上實(shí)現(xiàn)了基于基線(xiàn)數(shù)據(jù)的青光眼病情預(yù)測(cè)。將基線(xiàn)眼底圖像輸入AI模型，即可得出健康受試者在未來(lái)3~5年內(nèi)發(fā)展為青光眼或青光眼患者視野進(jìn)展的風(fēng)險(xiǎn)。

據(jù)介紹，該項(xiàng)研究成果有三大亮點(diǎn)：一是，首次實(shí)現(xiàn)基于A(yíng)I的青光眼發(fā)病及進(jìn)展預(yù)測(cè)，且算法在外部測(cè)試集依舊保持出色的預(yù)測(cè)性能；二是，青光眼發(fā)病預(yù)測(cè)數(shù)據(jù)來(lái)自社區(qū)篩查隊(duì)列，更好地反映青光眼在人群中的分布特征，加強(qiáng)了AI模型的泛化性和可靠性；三是，AI模型成功地從基線(xiàn)眼底彩照中識(shí)別出視野惡化的高風(fēng)險(xiǎn)患者，實(shí)現(xiàn)了基于結(jié)構(gòu)的功能預(yù)測(cè)；且AI模型對(duì)不同的青光眼亞型都表現(xiàn)出較高的預(yù)測(cè)準(zhǔn)確性。

相關(guān)論文信息：https://doi.org/10.1172/JCI157968

原文鏈接：https://news.sciencenet.cn/sbhtmlnews/2022/6/369986.shtm