近视，也称为近视眼，其发病率正在上升，特别是在儿童中。专家预测，到 2050 年，近视将影响全球约 50%的人口。研究人员认为，所谓的“近距离工作”（如我们与手机和屏幕等近距离物体互动）的增加是部分原因。
对于许多人来说，看远处物体的困难可以通过眼镜或隐形眼镜轻松解决，但对于其他人来说，这会发展成一种更为严重的疾病，称为近视性黄斑病变。
亚利桑那州立大学计算与增强智能学院的一组研究人员正在开发新的诊断工具，利用人工智能的力量更有效地筛查这种疾病。他们最近在同行评审研究期刊《JAMA Ophthalmology》上发表了他们的工作成果。
当帮助我们直视前方并看清细节的眼睛部分被拉伸和损坏时，就会发生近视性黄斑病变。随着时间的推移，眼睛的形状变得细长，更像一个橄榄球而不是一个球体。当这种情况发生时，视力会扭曲。
这种严重的疾病是导致严重视力丧失或失明的主要原因。2015 年，近视性黄斑病变导致 1000 万人视力受损。除非情况有所改变，否则预计到 2050 年，全球将有超过 5500 万人因该疾病而视力丧失，约 1800 万人将失明。
由于近视性黄斑病变是不可逆的，专家希望尽早干预。尽早发现这种情况可以改善健康结果，对于儿童来说，这是一个特别紧迫的目标。眼科医生可以开出特殊的隐形眼镜或眼药水来减缓疾病的进展。
Yalin Wang，一位富尔顿学院的计算机科学与工程教授表示，技术创新可以提供重要的解决方案。他说：“人工智能正在引发一场革命，利用全球知识提高诊断准确性，特别是在疾病的早期阶段。这些进步将降低医疗成本，提高整个社会的生活质量。”
为了应对这一需求，医学图像计算和计算机辅助干预（MICCAI）协会在 2023 年提出了一项挑战。这个致力于推动生物医学研究创新的专业组织要求专家改进视网膜图像的计算机辅助筛查系统。
目前，近视性黄斑病变是通过光学相干断层扫描来诊断的，该扫描使用反射光来创建眼睛后部的图像。然后，这些扫描通常由眼科医生手动检查，这是一个耗时的过程，需要专业经验。
Wang 和他在几何系统实验室的团队响应了这一呼吁。研究人员是 MICCAI 挑战的获奖者之一。
在工作的第一部分，Wang 和他的团队（包括计算机工程博士生 Wenhui Zhu 以及神经学家和富尔顿学院兼职教员 Dr. Oana Dumitrascu）解决了近视性黄斑病变的分类问题。这种疾病有五个分类来描述其严重程度。确定正确的级别有助于眼科医生为患者提供更有针对性、更有效的解决方案。
富尔顿学院的研究人员创建了新的人工智能算法称为 NN-MobileNet。这些计算机程序遵循的指令集旨在帮助软件更有效地扫描视网膜图像，并预测近视性黄斑病变的正确分类。
接下来，团队将注意力转向科学界使用一种称为深度神经网络的人工智能来预测视网膜扫描中的等效球镜度。等效球镜度是医生在开眼镜或隐形眼镜处方时需要估计的眼睛屈光不正。在深度神经网络中，研究人员让计算机分析大量数据集，并应用人工智能算法得出有用的结论。
有了更准确的等效球镜度测量，医生可以做出更准确的治疗建议。因此，Wang 和团队再次开发了新的算法，重点关注数据质量和相关性。他们的视网膜图像分析新模型在最小化所需计算能力的同时取得了卓越的结果。这项研究的结果也发表在《JAMA Ophthalmology》上。
最后，Wang 与 MICCAI 挑战的其他获奖团队合作，于 9 月在《JAMA Ophthalmology》上发表了第三篇研究论文，展示了他们的综合研究结果。来自世界各地大学的研究人员公布了他们的挑战结果，以促进在近视性黄斑病变的早期有效诊断和改善全球人民的医疗保健结果方面取得更多进展和发现。
Wang 解释说，他工作背后的一个动力是解决健康差异问题。他说：“生活在农村地区的人们很难获得先进的成像设备和看医生。一旦人工智能技术可用，它将显著提高全球人口的生活质量，包括那些生活在发展中国家的人。”
计算与增强智能学院院长 Ross Maciejewski 表示，Wang 的项目是教师在医疗领域所做出色工作的一个重要例子。他说：“随着近视和近视性黄斑病变的增加，需要解决方案来防止视力丧失，并帮助医疗保健专业人员为患者提供最佳治疗选择。Yalin Wang 的创新研究是利用人工智能解决这一严重医疗问题的有原则的应用。
