最近发表在《亚太眼科杂志》上的一篇立场文件探讨了人工智能（AI）在眼科领域的变革潜力。该研究由宾夕法尼亚大学 Scheie 眼科研究所的眼科教授兼 Irene Heinz Given 和 John La Porte Given 研究教授 Lama Al-Aswad 领导，代表了宾夕法尼亚大学工程与应用科学学院、宾夕法尼亚大学医学院、密歇根大学 Kellogg 眼科中心、耶路撒冷圣约翰眼科医院和韩国庆尚国立大学医学院研究人员之间的合作。
通过眼底摄影可以观察到眼睛后部的视网膜，AI 在提供系统性疾病生物标志物方面的潜力正逐渐成为现实。当眼底图像的数量和质量足够高时，就可以训练 AI 系统检测升高的 HbA1c 水平，这是传统上通过血液抽取获得的重要高血糖指标，表明糖尿病和心血管疾病的风险增加。这一过程利用了新兴的视网膜组学领域，该领域研究眼科生物标志物以了解全身健康状况。
他们的论文题为《用于心血管风险因素的视网膜组学人工智能开发：HbA1c 评估的眼底视网膜组学案例研究及临床医生应考虑的相关问题》，探讨了视网膜组学的潜力，并强调了临床医生在进入一个通过眼科护理增强全身健康的 AI 时代时应考虑的相关话题。
该研究的讨论得到了一项初步研究结果的支持，该研究训练了 AI 模型基于眼底图像预测 HbA1c 水平。这项研究评估了各种因素，如 AI 模型的大小和架构、糖尿病的存在以及患者的人口统计特征（年龄和性别），及其对 AI 性能的影响。
研究观察到的一个现象是，如果用于视网膜组学模型的训练样本存在偏差，例如主要是老年患者的样本池，会降低模型性能。该案例研究的结果突显了在开发值得信赖的 AI 模型以评估心血管风险因素时，解决必须克服的挑战和问题的重要性，以及推进可靠的视网膜组学技术的重要性。
“通过利用 AI 分析视网膜图像进行心血管风险评估，”Al-Aswad 说，“我们旨在弥合早期疾病检测中的关键差距。这种方法不仅增强了我们识别高危个体的能力，还为如何管理慢性病（如糖尿病）带来了希望。通过关注这一技术的实际应用，我们正在朝着更加个性化和预防性的医疗解决方案迈进。”
“虽然这些进展充满希望，但临床医生和研究人员也有责任以负责任的方式开发和应用这些技术，这最终将最有利于患者护理，”宾夕法尼亚大学 PRECISE 中心（嵌入式计算与集成系统工程研究中心）的博士后研究员 Kuk Jin Jang 补充道。
“我们的合作进一步理解了如何以负责任的方式利用这一革命性技术造福未来患者。这是医疗保健和工程学携手合作，朝着负责任的 AI 护理方向迈进的一个例证，”密歇根大学住院医师兼 PRECISE 中心附属成员 Joshua Ong 说。“我非常感谢我们多学科团队共同努力，将这篇论文和这一主题推向前沿。”
“这种合作反映了我们通过创新 AI 应用推进医疗保健的坚定承诺，”宾夕法尼亚大学工程与应用科学学院计算机与信息科学 Cecilia Fitler Moore 教授兼 PRECISE 中心主任 Insup Lee 补充道。“通过结合我们的专业知识，我们正在为显著改善患者护理和长期健康挑战的整体管理铺平道路。”
(全文结束)
