人工智能辅助青光眼筛查技术展现出显著应用前景。尽管人工智能驱动的筛查已在糖尿病视网膜病变领域得到验证，但将其应用于青光眼诊断更具挑战性——青光眼并非单一疾病，其诊断需综合症状、多项检测指标及长期追踪数据。然而，鉴于该技术有望改善这种全球漏诊率最高的致盲眼病筛查现状，相关研究持续深入。今日在美国眼科学会第129届年会上公布的一项新研究为此提供了有力证据：机器学习算法在识别青光眼高风险患者方面的准确率显著超越专业人工评估。
伦敦大学学院眼科研究所与摩菲兹眼科医院研究人员采用大规模人群队列研究（EPIC-Norfolk眼病研究）获取的6304份眼底图像，对比了算法与专业人工评估在青光眼关键指标"垂直杯盘比"估算中的准确性。经眼科专家确诊验证，结果显示该算法识别青光眼患者的准确率达88%-90%，而人工评估准确率为79%-81%。需注意的是，该算法未能区分已确诊患者与疑似患者。
研究团队强调，本研究区别于既往成果的关键在于：测试对象更贴近常规筛查场景的实际患者群体，数据集中仅11%的眼部样本被标记为青光眼疑似病例。首席研究员安东尼·哈瓦贾博士（PhD, FRCOphth）表示，机器学习超越人工评估的程度令其深感意外，该技术有望发展为经济高效的青光眼初筛工具。他同时指出，若筛查流程整合眼内压等其他风险指标，将进一步提升算法准确性。
"青光眼仍是全球不可逆转性视力丧失的主要病因之一。目前常规筛查成本过高，但我期待人工智能解决方案结合基因风险靶向等创新方法，将成为破局关键，"哈瓦贾博士强调。
【全文结束】
