据《美国医学会眼科杂志》（JAMA Ophthalmology）上发表的一项研究，亚利桑那州立大学计算与增强智能学院的一支研究团队正在开发新的诊断工具，该工具将利用人工智能（AI）更高效地筛查近视黄斑病变。
计算与增强智能学院的研究员王亚林教授及其团队在同行评审的研究期刊《美国医学会眼科杂志》上发表了一系列论文，概述了他们的创新成果。图源：Nora Skrodenis/亚利桑那州立大学
近视，或称近视力下降，正日益增多，尤其是在儿童中。专家预测，到2050年，近视将影响全球约一半的人口。研究人员认为，近距离工作（如使用手机和屏幕等近距离物体的互动）部分导致了这一现象。
对于许多人来说，无法看清远处的物体可以通过眼镜或隐形眼镜轻松解决，但对另一些人来说，这会发展成一种更为严重的状况，称为近视黄斑病变。近视黄斑病变发生在眼睛中使人们能够直视前方并看到清晰细节的部分被拉伸或损伤时。随着时间的推移，眼睛的形状会发生变化，变得更长，更不圆。当这种情况发生时，视力会变得扭曲。
这种危险的条件是严重视力丧失或失明的主要原因。2015年，有1000万人因近视黄斑病变而视力受损。如果不采取措施，预计到2050年，超过5500万人将视力受损，该疾病将导致全球约1800万人失明。
由于近视黄斑病变无法逆转，医生建议早期干预。早期诊断可以带来更好的健康结果，尤其是对儿童而言。眼科医生可以开具特殊隐形眼镜或眼药水来减缓疾病的进展。
亚利桑那州立大学福尔顿工程学院的计算机科学与工程教授王亚林表示，技术进步可以提供重要的解决方案。
“AI正在引发一场革命，利用全球知识提高诊断准确性，特别是在疾病早期阶段。这些进步将降低医疗成本，改善整个社会的生活质量。”
——王亚林，亚利桑那州立大学计算与增强智能学院教授
以新的视角迎接挑战
2023年，医学图像计算与计算机辅助介入协会（MICCAI）针对这一需求发起了一个挑战。专业协会要求专家们改进用于视网膜图像的计算机辅助筛查系统。
目前，光学相干断层扫描（OCT）扫描通过反射光创建眼睛后部的图像，用于诊断近视黄斑病变。眼科医生通常会手动审查这些扫描图像，这是一个耗时的过程，需要特定的培训。
王亚林和他的几何系统实验室团队响应了这一挑战，成为MICCAI挑战赛的获胜者之一。
在研究的第一部分，王亚林和他的团队——包括福尔顿工程学院的兼职教员兼神经学家奥安娜·杜米特拉斯库博士——解决了近视黄斑病变的分类问题。朱博士是计算机工程的博士生。该疾病分为五个级别，表明其严重程度。确定正确的级别可以使眼科医生为患者提供更个性化、高效的护理。
福尔顿工程学院的研究人员开发了一种名为NN-MobileNet的新AI算法。这些计算机程序使用的指令集旨在帮助软件更有效地扫描视网膜图像，并预测近视黄斑病变的正确分类。
然后，团队专注于使用深度神经网络——一种人工智能——来预测视网膜扫描中的球镜度数。球镜度数是医生用来开具眼镜或隐形眼镜的估计值。深度神经网络允许研究人员将分析大量数据的任务分配给计算机，并应用AI驱动的算法得出有用的结论。
如果医生对球镜度数有更深入的了解，他们可以做出更准确的治疗建议。因此，王亚林和他的团队创建了新的算法，优先考虑数据质量和相关性。他们新的视网膜图像分析模型在取得出色结果的同时，所需的计算能力最小。
最后，王亚林与其他MICCAI挑战赛的获胜者合作，撰写了一篇第三篇研究论文，该论文于9月发表在《美国医学会眼科杂志》上，并展示了他们的汇总数据。来自世界各地的大学研究人员分享了他们的挑战发现，以推动在近视黄斑病变的早期和有效诊断方面的进一步进展和发现，从而改善全球人民的医疗保健结果。
为全球健康提供更好的视野
王亚林解释说，推动他工作的动力之一是解决健康不平等问题。
“生活在农村地区的人们很难获得先进的成像设备和医生。一旦AI技术投入使用，它将显著改善全球人口的生活质量，包括那些生活在发展中国家的人们。”
——王亚林
计算与增强智能学院院长罗斯·马切耶夫斯基表示，王亚林的项目是学院教师在医疗领域工作的典范。
“随着近视和近视黄斑病变的增加，需要解决方案来预防视力丧失并帮助医疗专业人员为患者提供最佳治疗选项。王亚林的创新研究是对这一严峻医疗问题的原则性应用。”
——罗斯·马切耶夫斯基，亚利桑那州立大学计算与增强智能学院院长
参考文献：
钱斌，等. (2024) 通过人工智能算法诊断近视黄斑病变的比赛. 《美国医学会眼科杂志》. doi.org/10.1001/jamaophthalmol.2024.3707
(全文结束)
