印第安纳大学（IU）专门研究验光和人工智能的科学家们获得了美国国立卫生研究院（NIH）的支持，以开发新兴领域——眼组学的技术，该技术通过眼部扫描来检测影响全身的疾病。这项耗资480万美元的计划被称为NIH风险投资计划眼组学倡议，旨在通过检查视网膜（中枢神经系统唯一可见的部分）来提高阿尔茨海默病、糖尿病、心脏病、肾病和镰状细胞贫血等疾病的诊断准确性。
印第安纳大学验光学院教授斯蒂芬·伯恩斯（Stephen A. Burns）领导了该项目，与印第安纳大学鲁迪信息、计算与工程学院智能系统工程副教授埃莱夫塞里奥斯·加里法利迪斯（Eleftherios Garyfallidis）共同合作。其他关键贡献者包括西北大学的阿曼尼·法乌齐（Amani Fawzi）、斯坦福大学的阿尔弗雷多·杜布拉（Alfredo Dubra）和西奈山医学院纽约眼科和耳科医院的图科·Y·P·邱伊（Toco Y.P. Chui）。他们的工作旨在开发下一代眼底镜，通过简单的、非侵入性的眼部扫描来检测多种疾病的早期预警信号。
“这项研究是关于利用眼睛作为健康的窗口，”伯恩斯强调了这项技术的潜在影响。视网膜的可见性提供了一个独特的机会来早期检测疾病，因为眼睛的血管可以提供血管健康的线索，这是更广泛状况的关键指标。
伯恩斯自20世纪初就开始研究眼部扫描技术，当时他的团队率先使用自适应光学技术进行视网膜观察。自适应光学技术最初由天文学家开发，用于纠正地球大气层引起的望远镜图像失真，使人们能够获得高分辨率的视网膜后部视图。他的实验室已经完善了这项技术，能够以两微米的分辨率捕捉视网膜动静脉中红细胞的实时运动，这一分辨率约为红细胞宽度的四分之一。他的团队已经在这些血管壁中发现了糖尿病和高血压的生物标志物。
该设备的潜力不仅限于这些疾病。例如，西北大学和西奈山医学院的研究人员使用类似技术观察了与镰状细胞贫血相关的异常新月形红细胞，而斯坦福大学的团队则专注于改善眼睛感光细胞的可见性。项目的目标是将这些独立的技术整合到一个单一的高级眼底镜中。
“越来越多的证据表明，阿尔茨海默病有很强的视网膜血管成分，”伯恩斯解释道。目前，PET扫描用于识别这些迹象，但需要昂贵的数百万美元设备。希望眼部扫描能够提供一个更易获取且更经济的替代方案。
机器学习和人工智能（AI）在这项研究中发挥着至关重要的作用。加里法利迪斯领导了项目中AI技术的开发，专注于训练系统快速准确地分析图像，减少对人工解释的需求。这可以将诊断时间从几天缩短到几分钟，使技术更适用于日常医疗使用。
在项目的头一年，研究人员将确保他们的仪器校准到相同的灵敏度水平。印第安纳大学将与西北大学合作对齐系统，而斯坦福大学将与西奈山医学院纽约眼科和耳科医院合作。这种对齐对于确保不同实验室收集的数据一致性至关重要。
第二阶段将涉及验证新设备的准确性。研究人员将比较新的人工智能驱动系统的解释与早期版本技术的人工分析结果。这一步骤对于确认设备的可靠性并在大规模测试前至关重要。
到项目的最后一年，团队计划对临床志愿者进行设备测试。印第安纳大学的大部分数据将来自通过阿特沃特眼科中心招募的参与者。伯恩斯强调了这一阶段的重要性，指出“60岁以上的人口中，多达80%的人至少有一种可能通过我们的技术在眼睛中检测到的健康问题”。
NIH选择了这个项目，因为它具有巨大的影响力。NIH风险基金强调对具有显著加速科学进步潜力的项目进行短期、适度的投资。伯恩斯表示，团队目前的主要挑战是提高设备的选择性和特异性，确保它能够基于视网膜生物标志物准确区分各种疾病。“我们现在面临的挑战是选择性和特异性，我们需要证明我们能够迅速准确地解释我们关注的各种疾病的迹象。”
最终目标是将这种先进的眼部扫描技术应用于日常医疗环境。伯恩斯设想了一个未来，患者可以在年度眼科检查中接受非侵入性扫描，从而在症状出现之前早期检测疾病。“无论您在哪里进行年度眼科检查，我们都希望这项技术最终能够普及。”
通过将机器学习与尖端光学技术相结合，该项目有可能彻底改变医学诊断。医生将不再依赖侵入性或昂贵的程序，而是可以通过简单的眼部扫描检测阿尔茨海默病和糖尿病等疾病，为患者提供早期干预和治疗的机会。
(全文结束)
