【编者按】我国是人口大国，眼底疾病患者众多，进行有效筛查、帮助患者“早发现、早治疗”具有重要意义。随着科技的进步，人工智能（AI）系统已广泛应用于各个领域。AI在眼科的应用大大提高了大规模筛查的可行性和效率，有助于疾病的诊断和治疗。来自上海市静安区市北医院的陈吉利教授团队分析研究了AI系统在中国发达地区与偏远地区基层医疗机构眼底疾病筛查中的应用情况，研究成果2023年3月6日在线发表在Br J Ophthalmol杂志上（中科院眼科1区，IF=5.908）。让我们一起来了解一下吧。
中国眼病筛查挑战艰巨，AI显现巨大价值
随着我国人口老龄化和生活方式的变化，视力损伤和失明是目前重要的公共卫生问题。根据2019年全球疾病负担、损伤和危险因素研究，在不考虑人口增长因素的情况下，1990-2019年间我国中度视力损害人数增加了113.51%，严重视力损害人数增加了126.97%，失明人数增加了44.18%。未矫正的屈光不正、白内障和眼底疾病【包括年龄相关性黄斑变性(AMD)、青光眼视神经病变（GON）和糖尿病视网膜病变（DR）】是我国视力损害的主要原因。
与屈光不正和白内障相比，眼底疾病的诊断和治疗更为复杂，且常伴有不良预后，早期筛查和转诊可有效减少眼底疾病带来的视力损害，且具有较高的社会经济效益。然而中国眼科医生缺乏，尤其是基层和偏远地区的医疗资源稀缺严重。越来越多的研究表明，人工智能(AI)在眼科疾病诊断方面具有巨大潜力。然而，大多数AI系统利用三级医院的疾病群体进行训练学习，尚未在初级医疗机构进行大样本测试，因此在真实人群和训练人群之间可能存在疾病类型和病情的差异。
大规模人群研究证实，AI在眼底病筛查中表现出较高的准确性，具有较大的应用价值
最近，一项包括三级医院和社区医院的全国性真实世界研究显示， “综合AI视网膜专家”(CARE)深度学习系统在识别多种视网膜异常方面具有令人满意的性能。此外，CARE已被证实在基层医疗机构中筛查DR是安全可靠的。Airdoc视网膜AI系统(ARAS)是基于CARE的升级版本。与CARE相比，ARAS应用了多任务分类网络，包括总体、黄斑区和视盘三个子任务，能够更准确地捕捉黄斑和视盘异常。然而，ARAS在初级医疗保健机构筛查多种视网膜异常的有效性尚不清楚。为了解决这一问题，陈吉利教授团队在上海(高收入地区)和新疆(低收入地区)的6家基层医疗机构中评估了ARAS对多种眼底疾病的检出效能。根据ARAS的准确性、敏感性、特异性、阳性预测值和阴性预测值对其性能进行描述，并基于ARAS的筛查结果，统计不同经济水平的基层医疗机构中眼底病疾病谱的分布情况。
ARAS在筛查中的性能
于2020年11月至2022年8月，在6家基层医疗卫生机构共纳入4795名研究对象，其中上海2528名，新疆2267名。
ARAS准确识别正常眼底的准确性【0.76 (95% CI 0.74 - 0.77)】, DR【0.93 (95% CI 0.92 - 0.94)】，高血压性视网膜病变【1.00 (95% CI 1.00 - 1.00)】，GON【0.93 (95% CI 0.92 - 0.94)】，病理性近视PM【0.93 (95% CI 0.92 - 0.93)】，视网膜静脉阻塞RVO 【0.99 (95% CI 0.99 - 1.00)】，视网膜脱离RD 【1.00 (95% CI 1.00 - 1.00)】，黄斑裂孔MH 【1.00 (95% CI 0.99 - 1.00)】，黄斑水肿ME【0.97 (95% CI 0.96 - 0.97)】，中心性浆液性脉络膜视网膜病变CSC 【1.00 (95% CI 1.00 - 1.00)】，内界膜ERM【0.94 (95% CI 0.93 - 0.95)】，视网膜色素变性RP 【1.00 (95% CI 1.00 - 1.00)】，视网膜玻璃膜疣【0.93 (95% CI 0.92 ~ 0.94)】，黄斑新生血管【0.98 (95% CI 0.98 ~ 0.99)】和地图样萎缩【1.00 (95% CI 0.99 ~ 1.00)】。ARAS检测正常眼底和14种常见视网膜异常的灵敏度、特异度以及阳性和阴性预测值见表1。
.jpg)
表1 ARAS检测正常眼底和视网膜异常的性能
上海和新疆基层医疗机构中的视网膜疾病谱
4795例受检者中，平均年龄为57.0 (IQR 39.0 ~ 66.0)岁，其中女性3175例(66.2%)，眼底正常者515例(10.7%)。上海地区与新疆地区在DR、高血压性视网膜病变、MH、CSC、地图样萎缩占比均无统计学差异。表2和图1详细描述了4,795名参与者的人口统计学特征和眼底情况。上海和新疆地区眼底正常的比例分别为2.5%和20.0%。上海地区青光眼、黄斑前膜、黄斑前膜、视网膜玻璃膜疣和黄斑新生血管所占比例明显高于新疆地区，新疆地区RVO、ME和RP所占比例明显高于上海地区。
(17).jpg)
表2 4795名中国基层医疗机构参与者的人口统计学特征和眼底情况
(17).jpg)
图1 上海和新疆基层医疗机构4795名参与者的眼底情况
在可定期随访的疾病中，上海男女各年龄段的视网膜玻璃疣和PM所占比例均显著高于新疆(图2)。在需要转诊的疾病中，新疆中老年人群中需要转诊的DR、RVO和ME所占比例显著高于上海，而上海男性在各年龄段的GON所占比例最高(图3)。
(14).jpg)
图2 上海和新疆地区按年龄和性别分层的基层医疗卫生机构可定期随访的眼底疾病情况
(12).jpg)
图3上海和新疆地区不同年龄和性别基层医疗机构需要转诊的眼底病情况分析
小结
本研究结果显示，ARAS对正常眼底和14种异常眼底的诊断准确性、特异性和阴性预测值均较高，但是对正常眼底、视网膜脱离、黄斑新生血管和地图样萎缩的诊断敏感性较低。这可能是由于小瞳孔、眼球屈光间质混浊、或拍摄不佳等因素导致的图像质量差影响AI筛查系统的性能。为了能更好地应用于基层医疗卫生机构，其工作流程、技能培训、硬件条件和算法仍需进一步改进。
另一方面，基于AI辅助筛查，初步分析发现上海和新疆两地基层医疗机构的视网膜疾病谱存在差异。上海和新疆地区眼底正常的比例分别为2.5%和20.0%。上海地区男女各年龄段视网膜玻璃膜疣和PM的构成比均明显高于新疆地区。上海男性青光眼患病率在各年龄段均最高。新疆地区中老年人DR、RVO和ME的比例明显高于上海地区。上海与新疆维吾尔自治区基层医疗机构眼底病疾病谱存在差异可能是多种原因造成的，如年龄因素、海拔因素、医疗资源差异等。
综上所述，这是第一项在基层医疗机构中使用AI系统检测多种眼底疾病的研究，证明了ARAS在初级卫生保健中筛查多种视网膜疾病的可行性。AI的快速准确诊断可以提高患者的依从性，减轻医疗系统的压力：需要进一步评估或治疗的患者将被转诊，而其他患者将继续在初级卫生保健机构接受随访。AI系统的应用可以缓解医疗资源的不均衡、提高疾病的早期检出率，进而减轻患者因视力下降造成的疾病负担。
参考文献：
Gu C, Wang Y, Jiang Y, Xu F, Wang S, Liu R, Yuan W, Abudureyimu N, Wang Y, Lu Y, Li X, Wu T, Dong L, Chen Y, Wang B, Zhang Y, Wei WB, Qiu Q, Zheng Z, Liu D, Chen J. Application of artificial intelligence system for screening multiple fundus diseases in Chinese primary healthcare settings: a real-world, multicentre and cross-sectional study of 4795 cases. Br J Ophthalmol. 2023 Mar 6:bjo-2022-322940. doi: 10.1136/bjo-2022-322940. Epub ahead of print. PMID: 36878715.
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.