年龄相关性黄斑变性（AMD）是发达国家导致失明的主要原因之一，随着全球病例数量的增加，这一疾病继续带来重大挑战。新生血管性黄斑变性（nAMD）通常通过玻璃体内注射抗血管内皮生长因子（VEGF）药物进行管理，光学相干断层扫描（OCT）成像用于评估黄斑解剖结构。然而，尽管OCT在识别视网膜内液（IRF）、视网膜下液（SRF）和色素上皮脱离（PED）等液体相关异常方面不可或缺，但其预测视觉和解剖学结果的能力有限。
由首尔孔医院的Jeong Mo Han、首尔国立大学医学院眼科系、成均馆大学应用人工智能系的Junseo Ko和Jinyoung Han领导的一支韩国研究团队，开发并评估了一种基于OCT图像预测nAMD患者玻璃体内抗VEGF注射治疗效果的AI模型。新兴研究表明，人工智能（AI）可能弥补这一不足，提供预测见解以优化治疗计划。最近的研究使用了机器学习算法和生成对抗网络（GANs）分析OCT图像，预测对VEGF疗法的反应。通过分割SRF、IRF和PED等液体体积，AI模型展示了比传统成像更准确地预测治疗后黄斑状态和功能改善的潜力。这些进展有望使眼科医生能够为患者提供个性化的预后，并在治疗早期阶段优化治疗策略。
这项研究还调查了结合治疗前、第一次和第二次抗VEGF注射后的OCT图像是否提高了模型的预测价值。结果显示，AI模型在治疗结果预测方面优于眼科医生，且在加载阶段添加更多OCT图像后，预测性能进一步提高。该研究包括了517名nAMD患者（平均年龄71.4 ± 9.0岁；范围65-78岁）的2068张图像。其中71%的病例使用了雷珠单抗，29%使用了阿柏西普。研究人员调查了结合治疗前及第一次和第二次抗VEGF注射后的OCT图像是否提高了AI模型的预测准确性。
许多研究表明，AI在辅助诊断方面具有高准确性，但很少有研究预测治疗结果或推荐个性化治疗方案。在一项使用AI预测接受抗VEGF注射治疗的黄斑病变患者治疗结果的研究中，研究者尝试使用OCT图像和人口统计信息预测治疗负担，并开发了一个AI模型，分类平均注射间隔时间是低、中还是高。另一项研究利用GAN预测典型nAMD患者治疗前OCT图像的单次治疗效果，评估了医生根据AI生成的治疗后OCT图像预测湿性或干性黄斑状态的准确性。为了预测AMD治疗的结果，一项研究基于治疗前和三次加载治疗后的OCT图像，使用条件GAN估计治疗预后。
该模型生成的合成OCT图像中有90%显示了与实际治疗后图像相似的病理病变。基于这些OCT图像，临床医生评估了治疗效果。IRF和SRF的干燥预测敏感性和特异性分别为33.3%和95.1%，21.2%和95.1%。加入荧光素血管造影（FA）和吲哚青绿血管造影（ICGA）图像后，IRF和SRF的敏感性和特异性分别提高到33.3%和98.4%，24.2%和99.0%。
在本研究中，使用治疗前的OCT图像预测三次抗VEGF注射后的非活动状态。研究人员指出：“与早期研究相比，我们使用了卷积神经网络（CNN）而不是GAN。”临床医生没有评估GAN生成图像中的病理病变，而是立即定量显示了非活动状态的比例。具体而言，AI模型通过多种方式（平均、注意力机制、LSTM和拼接）学习了治疗前图像和加载注射治疗期间的OCT图像，从而提高了预测值。
融合方法（拼接、平均、注意力机制、LSTM）的选择基于临床考虑，以增强OCT图像在nAMD治疗中的可解释性。每种方法都有特定的作用：LSTM捕捉时间信息，注意力机制关注关键区域，平均评估整体疾病严重程度。这些选择确保模型准确解读时间变化、突出关键区域并评估疾病严重程度。最显著的是，选择了拼接融合层以保留详细信息而不减少向量大小，防止潜在的信息损失。这种方法允许模型捕捉和利用更丰富的特征，从而在预测nAMD治疗结果方面表现出色，展示出优越的结果。
“我们的研究首次尝试比较AI与眼科医生和视网膜专家在预测nAMD治疗后是否进入非活动状态方面的预测结果，以及不仅使用治疗前图像，还使用治疗过程中的图像预测三次加载注射后的结果，”研究人员写道。在预测三次注射后的治疗结果时，视网膜专家的预测准确率约为80%，因为存在轻微的SRF或IRF，使得确定治疗效果变得困难。“AI在这项复杂任务中的表现也没有显著优于专家，”他们写道。
然而，研究人员承认该研究存在多个局限性。“首先，这是一项回顾性研究，样本量较小，仅在一个医院使用一台OCT检查设备进行。其次，未区分使用雷珠单抗和阿柏西普，也未单独分类AMD亚型。第三，研究仅在韩国人群中进行，未来研究应调查其他种族尤其是西方国家患者的治疗反应和表现。第四，仅使用OCT评估了解剖反应，未评估如视力等功能性改善。第五，最近开发的药物如布罗鲁昔单抗和法瑞西马布未纳入本研究。虽然这些药物之间的差异可能导致解剖结果的变化，但本研究未调查这些差异。最后，研究未调查是否可以通过结合其他模态如FA或ICGA来提高模型性能。”
未来方向如功能性改善评估、探索其他成像模态和进行多中心长期随访试验，将有助于调查AI模型的预测准确性。研究人员指出，该研究开发了一个使用治疗前OCT图像预测nAMD患者三次加载治疗后干燥状态的AI模型，并将其性能与眼科医生进行了比较。“该模型的平均性能高于眼科医生，且在加载阶段添加更多OCT图像后，模型的治疗预测性能进一步提高，”他们总结道。未来研究应解决当前研究的局限性，以提高模型的通用性和临床适用性。
(全文结束)
