编者按：2021年第33届亚太地区白内障与屈光外科医师协会（APACRS）年会暨第30届新加坡国立眼科中心（SNEC）国际会议于2021年7月30日至31日以虚拟会议形式圆满举行。来自新加坡国立眼科中心的Gavin Tan 教授，从人工智能协助疾病诊断的技术层面综合解析了当前和未来的糖尿病视网膜病变（DR）及糖尿病性黄斑水肿（DME）筛查的前沿进展。
视网膜病变筛查现状
随着全球社会经济及伴随着的生活水平的发展，糖尿病已经成为影响全球居民身体健康的重大公共卫生议题。其中，我国成年人总糖尿病患病率为12.8%，患病总数近1.3亿，一直位居世界首位。DR是糖尿病眼部病变的最严重和最常见的微血管并发症之一。DME导致的中心视力严重受损是威胁患者视力乃至致盲的主因之一。
DME早期诊断、及时干预治疗，能够有效延缓和控制视网膜病变的发生发展。目前，DME的筛查确诊仍高度依赖眼底照相、光学相干断层扫描（OCT）等专业检查设备和专业医师读片，跨科室诊疗花费大量人力物力财力，且糖尿病患者对于定期眼底检查的依从性较低。因此，目前迫切需要高效、便捷的DME初筛方式，守护DR患者的眼底健康。
人工智能（AI）在DR的应用
随着AI技术中图形处理器（GPU）的计算能力的提高，深度学习（deep learning, DL）在医学成像中显示出巨大的潜力。深度学习模式通过模仿人脑处理数据的操作，利用卷积神经网络（convolutional neural network，CNN）的神经网络模型，提取图像的原始像素数据并加以训练，从而自动提取特征进行分类 （见图1）。
图1
该智能诊断技术已逐渐开始应用于眼底照相、光学相关断层扫描（OCT）及视野检查等。其中，最有前景的AI眼科应用之一是DR筛查。
Gavin Tan 教授介绍了一款眼损伤分析技术-- SELENA+（Singapore Eye LEsioN Analyzer）。它是一种基于深度学习的人工智能图像读取器，旨在用于糖尿病视网膜病变及相关眼病的早期筛查。Tien Yin Wong教授团队的研究人员利用自主研发的深度学习系统，从来自多民族社区的近50万张眼底图像中识别DR、年龄相关性黄斑病变（AMD）及青光眼病变。其中，76370张来自华人、印度、马来族裔的眼底图像组成了DR模型的智能训练集。通过验证研究发现，该深度学习系统具有高敏感性和特异性用于识别DR及相关眼部病变，该模型的通用性亦已被证明可以应对不同环境和条件下（包括患者的血糖控制、瞳孔直径、视野范围及不同检测条件和检测者操作等）的各种不同的患者族群 （见图2）。
图2
该AI算法系统亦旨在整合入新加坡糖尿病视网膜病变远程筛查数据库（SiDRP），通过训练成长，最终实现AI系统自动分类诊断，从而尽早筛选出需要进一步评估治疗的DR患者。AI算法系统通过在第一阶段由临床负责人审查其性能是否适合临床操作（见图3a）；至第二阶段对AI输出结果进行人工干预（见图3b）；至第三阶段的AI系统正常情况下自动运行（见图3c）。
图3
小结
早期发现和及时治疗是有效减少因DR导致视力丧失的关键。全面的DR筛查必不可少。与人工操作相比，人工智能具有不受疲劳的影响和始终以细节为导向的优势，而人类具有更高层次的认知和直觉，因此随着人工智能的进步，人工操作和人工智能之间的合作能够更好互补。近年来，不少研究表明计算机辅助和自动视网膜图像评估工具具有强大的诊断性能，并且有效减少传统筛查手段的人力物力财力的投入成本。另外，如配合眼底OCT诊断亦可增加诊断DME的准确性，AI技术亦可应用于其他先进的视网膜成像技术筛查平台。
2 comments
京公网安备 11010502033360号
条评论
Linda Gareth
2015年3月6日, 下午2:51Donec ipsum diam, pretium maecenas mollis dapibus risus. Nullam tindun pulvinar at interdum eget, suscipit eget felis. Pellentesque est faucibus tincidunt risus id interdum primis orci cubilla gravida.