利用深度学习预测青光眼患者视力

包括伦敦大学城市螃蟹实验室在内的一个团队的研究使用“深度学习”(DL)，这是一种人工智能(AI)，对青光眼患者的数千张眼睛后部的图像进行研究，以预测他们的视力受到该疾病的影响程度。

为了实现这一目标，该研究动员并整理了来自英国三家NHS诊所的24,000多名患者的大量数据。这项研究的结果表明，人工智能方法可以在临床跟踪青光眼患者的进展过程中发挥作用，也可以用于优化调查青光眼的研究试验。

青光眼是一组会对视神经造成进行性损害的眼病，大约2%的40岁以上人群和近10%的75岁以上人群患有青光眼，导致每年有超过100万人去医院就诊。青光眼一旦失明就无法恢复，因此早期发现和适当的治疗是至关重要的。

深度学习是一种“机器学习以及模仿人类获取某些类型知识的方式的人工智能。在这项研究中，深度学习模型分别独立应用于从青光眼患者的眼睛中提取的两种类型的大量成像。目的是确定这些模型是否可以用来预测病人能看到的视觉区域(视野）.

第一种成像被称为光学相干层析成像(OCT)，它使用低相干性(不太可能反射)光来获得视网膜的高分辨率横切面图像，视网膜是眼睛后部的光敏感区域，图像在其上由眼睛形成。视网膜内的层可以区分，视网膜厚度可以测量，以协助疾病的早期发现和诊断。

第二种成像被称为红外反射率(IR)，并使用红外线照亮视网膜，在这个例子中是用来成像视盘的，视盘就是视神经从视网膜进入大脑。

这项研究的一个独特之处在于，深度学习方法学会了如何通过观察成像来预测患者的视野，而无需任何专家或医生对其中的特征进行标记。

研究发现，每个深度学习模型都可以利用每种成像类型各自体积中的模式，并仅从患者眼睛的图像中对特定患者的视野进行有用的预测。然而，该研究进一步发现，在两种类型的成像(OCT和IR)上执行深度学习过程，在预测患者视野方面提供了更好的准确性。

而深度学习在这个阶段，预测没有临床意义，但它们足以让研究作者在研究的下一阶段探索这是否可以实现。如果是这样的话，这种技术可以用于诊所的病人，因为他们的青光眼可能会变得更糟，所以需要做出加强治疗的决定。

利用眼睛后部的图像来预测视觉功能的能力在设计青光眼新疗法的试验中也特别有用。例如，这可能意味着这些试验的结果可能会更准确，反过来，这可能会加速新疗法的交付。

伦敦城市大学(City, University of London)统计学和视觉研究教授、克拉布实验室(Crabb Lab)负责人大卫·克拉布(David Crabb)说:“这是一项令人兴奋的研究。NHS的海量数据通常会被束之高高飞。在这里，我们用它开发了一种非常聪明的人工智能技术，可以了解图像中的元素，从而更好地预测视觉功能。这些技术可能有助于设计更好的试验终点青光眼治疗方法。这项研究结果发表在最负盛名的国际眼科杂志上，是我们在城市研究质量的另一个例子。”

这项研究可以在网上找到，并将在杂志上发表眼科学．