人工智能比人类专家更能发现眼睛中的单个神经元

光学相干断层扫描(OCT)、自适应光学和深度神经网络的新组合应该能够更好地诊断和监测神经损伤性眼睛和大脑疾病，如青光眼。

杜克大学(Duke University)的生物医学工程师领导了一个多机构联盟，开发了这一过程，可以轻松而精确地跟踪视网膜数量和形状的变化神经节细胞在眼睛里。

这项研究发表在5月3日的杂志上视神经节．

眼睛的视网膜是中枢神经系统的延伸。神经节细胞是眼睛中处理视觉信息并将其发送到大脑的主要神经元之一。在许多神经退行性疾病中，如青光眼，神经节细胞退化和消失，导致不可逆转的失明。传统上，研究人员使用OCT(一种类似于超声波的成像技术，使用光而不是声音)来观察眼部组织的底层，以诊断和跟踪青光眼和其他眼部疾病的进展。

虽然OCT可以让研究人员有效地观察视网膜中的神经节细胞层，但这项技术的灵敏度仅够显示细胞层的厚度——它不能显示单个的神经节细胞。这阻碍了早期诊断或快速追踪疾病进展，因为在医生看到厚度变化之前，大量的神经节细胞需要消失。

为了解决这个问题，一项最新的技术叫做自适应光学OCT (AO-OCT)成像灵敏度足以观察单个神经节细胞。自适应光学是一种技术，可以最大限度地减少检查眼睛时发生的光学像差的影响，这是在OCT成像中实现高分辨率的主要限制因素。

杜克大学生物医学工程教授Sina Farsiu说:“这种更高的分辨率使诊断神经退行性疾病变得更容易。”“但它也产生了大量的数据图像分析已经成为在眼睛和大脑研究中广泛应用这种可能改变游戏规则的技术的主要瓶颈。”

在他们的新论文中，Farsiu和Farsiu实验室的博士后研究员Somayyeh Soltanian-Zadeh通过开发一种高度自适应和易于训练的基于深度学习的算法来解决这一问题，这是第一个从AO-OCT扫描中识别和追踪神经节细胞形状的算法。

为了测试他们称为WeakGCSeg的方法的准确性，研究小组分析了健康和青光眼受试者视网膜的AO-OCT数据。他们的框架有效而准确地从两个样本中分割出神经节细胞，并根据神经节细胞的数量和大小确定哪些样本来自青光眼。

“我们的实验结果表明WeakGCSeg实际上优于人类专家，它优于其他可以处理体积生物医学图像的最先进的网络，”Soltanian-Zadeh说。

除了诊断工作，该团队还乐观地认为，WeakGCSeg将使神经退行性疾病治疗的临床试验更容易进行。例如，如果一项研究正在测试一种治疗青光眼的疗法，WeakGCSeg可以看到与对照组相比，该疗法是否减缓了细胞退化。仅靠OCT，变化的第一个迹象就需要数百甚至数千人细胞死亡，可能需要几个月或几年。

“利用我们的技术，你可以量化最早的变化，”法尔肖说。“你的临床试验也可能会更短，因为你可以看到和测量这样一个早期的效果，所以这里有很大的潜力。”

该团队计划继续与美国食品和药物管理局(FDA)、印第安纳大学和马里兰大学的同事合作，将他们的技术应用于更大的患者群体。他们还希望将WeakGCSeg扩展到不同的细胞类型，如光感受器，以及眼睛疾病，如色素性视网膜炎和先天性视网膜疾病。

WeakGCSeg还具有改善诊断和跟踪神经系统疾病进展的潜力。法尔肖说，先前的研究表明，神经节细胞层的变化与中枢神经系统的各种疾病有关，如阿尔茨海默病、帕金森病疾病以及渐冻症。通过他们的新技术，他们可以进一步研究这种联系，并有可能发现有用的生物标志物，以改善这些和其他神经退行性疾病的诊断和治疗。

Farsiu说:“我们非常感谢FDA和印第安纳大学的合作者为我们提供了测试WeakCGSeg的样本。”“如果没有印第安纳大学的唐纳德·米勒以及FDA的刘卓林和丹尼尔·哈默在推进AO-OCT方面的开创性工作，这项工作是不可能实现的成像技术．看到这种活体单神经元成像技术在未来十年对医疗保健的影响，令人兴奋。”

---

---