剛剛在線發(fā)表在《自然醫(yī)學(xué)》上的一篇文章介紹有兩個(gè)新的人工智能程序可以預(yù)測哪些眼睛最有可能發(fā)展成與年齡相關(guān)的黃斑變性（AMD）的最嚴(yán)重形式。這是DeepMind, Moorfields眼科醫(yī)院，NIHR生物醫(yī)學(xué)研究中心和倫敦大學(xué)學(xué)院眼科研究所的聯(lián)合研究。
研究者認(rèn)為在經(jīng)過臨床試驗(yàn)驗(yàn)證之后，這些程序可以幫助臨床醫(yī)生確定他們需要密切關(guān)注的眼睛，以便他們可以迅速開始治療，甚至可以提前進(jìn)行預(yù)防性治療。約翰·霍普金斯醫(yī)學(xué)院威爾默眼科研究所信息技術(shù)主任邁克爾·博蘭德博士說：“這是邁出的第一步， 這正是算法可能擅長的確切任務(wù)。”
年齡相關(guān)性眼病研究（AREDS）抗氧化劑和維生素制劑通?？梢詼p緩AMD的進(jìn)展，抗血管內(nèi)皮生長因子（VEGF）藥物的早期治療通?？梢杂行У乇４嬉暳?。但是為每個(gè)人開AREDS處方將有昂貴且潛在的危險(xiǎn)，并且沒有足夠的眼底專家和設(shè)備來檢查每個(gè)人的眼睛。 密切監(jiān)視那些符合當(dāng)前隨訪標(biāo)準(zhǔn)的眼睛，也非常耗時(shí)。新研究從不同方面解決了這些問題。
研究人員指出許多單眼濕性AMD患者依靠另一只眼的清晰視力生活， 但其中百分之二十的患者的另一只眼睛最終會發(fā)展為相同的狀況，從而嚴(yán)重限制了這些患者的日?；顒?。如果在濕性AMD開始后立即使用抗VEGF藥物治療是最有效的。但是監(jiān)視需要使用光學(xué)相干斷層掃描（OCT），這很難經(jīng)常進(jìn)行。
“我們能否在臨床可行的時(shí)間范圍內(nèi)確定好眼的命運(yùn)？” UCL的眼科學(xué)和腦科學(xué)副教授Pearse Keane博士為了回答這個(gè)問題，將研究轉(zhuǎn)向了人工智能最熱門的領(lǐng)域：深度學(xué)習(xí)，其中計(jì)算機(jī)模擬人腦的神經(jīng)網(wǎng)絡(luò)，在數(shù)據(jù)集中尋找微妙但重要的模式。
研究者使用了對2795名患者進(jìn)行的OCT掃描數(shù)據(jù)集，應(yīng)用深度學(xué)習(xí)以兩種方式訓(xùn)練計(jì)算機(jī)。首先，他們對計(jì)算機(jī)進(jìn)行編程，以識別掃描中的解剖學(xué)特征，例如玻璃疣體積，地圖樣萎縮和高反射病灶，并尋找這些特征在各個(gè)階段與濕性AMD的發(fā)展之間的相關(guān)性；其次，他們編程查看掃描的原始數(shù)據(jù)，從而識別出與濕性AMD的發(fā)展相關(guān)的體素中的新模式。最后，他們將這兩個(gè)過程的結(jié)果合并為一個(gè)程序，并測試了該程序是否可以預(yù)測向濕性AMD的轉(zhuǎn)換。該程序可以預(yù)測大多數(shù)眼睛的疾病轉(zhuǎn)歸，但有時(shí)也會出錯(cuò)。研究人員測試了兩種設(shè)置：一種經(jīng)過校準(zhǔn)以識別將在6個(gè)月內(nèi)轉(zhuǎn)歸的眼睛的最大比例，另一種經(jīng)過校準(zhǔn)以最小化該期間的錯(cuò)誤數(shù)量。
在第一個(gè)設(shè)置中，系統(tǒng)的真陽性率達(dá)到78％，假陽性率達(dá)到56％。在第二種設(shè)置中，它的真陽性率為41％，假陽性率為17％。為了將計(jì)算機(jī)的性能與熟練人員的性能進(jìn)行比較，研究人員使用了一部分?jǐn)?shù)據(jù)，在轉(zhuǎn)歸前的6個(gè)月中隨機(jī)選擇了至少一次掃描。他們要求系統(tǒng)識別出哪些掃描來自后來轉(zhuǎn)變?yōu)闈裥訟MD的眼睛。然后，他們將這些結(jié)果與六位臨床醫(yī)生（三位眼底病專家和三位接受過眼底病識別培訓(xùn)的視光師）的結(jié)果進(jìn)行了比較。該系統(tǒng)的性能優(yōu)于五名臨床醫(yī)生，并且與一名（視光師）相匹配。即使他們向臨床醫(yī)生提供了眼底圖像、以前的OCT掃描和臨床信息，該系統(tǒng)也更加準(zhǔn)確。（計(jì)算機(jī)的F1得分為0.38，人類的F1得分為0.23-0.33。）
研究者在臨床上使用該系統(tǒng)之前，仍需要對其進(jìn)行測試。但需要承認(rèn)的是，現(xiàn)階段對于轉(zhuǎn)化為濕性AMD的眼睛即使識別出來也并沒有非常有效的預(yù)防措施。
在另一項(xiàng)刊登在《轉(zhuǎn)換視覺科學(xué)與技術(shù)》研究中，研究人員認(rèn)為他們的技術(shù)可以更直接的應(yīng)用于臨床。這個(gè)國際團(tuán)隊(duì)使用深度學(xué)習(xí)對他們的計(jì)算機(jī)進(jìn)行了培訓(xùn)，以對最初用于測試AREDS配方有效性的研究中4139名參與者的彩色眼底照片的嚴(yán)重程度進(jìn)行分類。他們將這些嚴(yán)重程度評分與社會人口統(tǒng)計(jì)學(xué)臨床數(shù)據(jù)和其他影像學(xué)數(shù)據(jù)相結(jié)合。然后，他們應(yīng)用了邏輯模型樹學(xué)習(xí)技術(shù)（一種使用邏輯回歸而不是神經(jīng)網(wǎng)絡(luò)的人工智能系統(tǒng)）來預(yù)測進(jìn)展為晚期AMD的風(fēng)險(xiǎn)。
該系統(tǒng)以99.2％的準(zhǔn)確度預(yù)測疾病的進(jìn)展。在2年內(nèi)，預(yù)測進(jìn)展為晚期干性AMD的準(zhǔn)確度為66.88％，預(yù)測為濕性AMD的進(jìn)展的準(zhǔn)確度為67.15％。 有趣的是研究人員沒有通過對照人類臨床醫(yī)生的測試來驗(yàn)證其系統(tǒng)，而是在與Nutritional AMD Treatment-2（NAT-2）研究不同的數(shù)據(jù)庫上對其進(jìn)行了測試。在此數(shù)據(jù)集上，該系統(tǒng)對AMD的2年后期預(yù)測精度為84％。
研究者認(rèn)為該系統(tǒng)不僅可以用于識別需要密切監(jiān)視的AMD患者，還可以通過遠(yuǎn)程醫(yī)療對數(shù)百萬尚未被診斷出患有該病的人進(jìn)行篩查。 但系統(tǒng)也要克服一些障礙，比如AREDS數(shù)據(jù)集主要由已經(jīng)被診斷患有AMD的人組成，只有少數(shù)“正常人”。而且該數(shù)據(jù)集不包括患有白內(nèi)障，糖尿病和其他可能混淆結(jié)果的人， 并沒有真正的進(jìn)入社區(qū)拍照。
