人工智能可以筛查和诊断青光眼

这种人工智能技术通过分析立体眼底图像(视网膜的多角度2D图像)，将青光眼视神经与正常视神经进行区分三维图像．

当对接受专家检查的TTSH患者的立体眼底图像进行测试时，人工智能方法的诊断准确率达到97%青光眼．

青光眼通常被称为“沉默的小偷的视力”，因为它通常无症状，直到后期，当预后很差。它是全球不可逆转的失明的主要原因，随着老龄化人口的快速增长，预计到2040年全球将有1.118亿人受到影响，高于2020年的7600万人。

这组科学家说，由南洋理工大学和TTSH开发的自动化青光眼诊断方法可能被用于欠发达地区，那里的患者无法获得眼科医生的帮助。这项研究例证了南大的研究努力，作为其2025年战略计划的一部分，以应对人类四大挑战的前沿，其中之一是应对健康生活和老龄化的需求和挑战。

该研究的合著者、英国国家医疗保健集团(NHG)眼科研究所青光眼服务负责人Leonard Yip博士说:“社区中仍有许多青光眼患者未被确诊，在印度等发展中国家，未确诊病例的比例可能远远超过90%。虽然病例通常是在常规眼科检查中发现的，但基于人群的筛查具有挑战性，因为需要专业和昂贵的设备或训练有素的专家。人工检查单个视网膜图像的过程也很耗时，并且依赖于专家的主观评价。相比之下，我们使用人工智能的方法可能更高效、更经济。”

南洋理工大学电气与电子工程学院的王立波副教授是这项研究的主要作者，他说:“通过结合机器学习技术，我们的团队开发了一种筛查模型，可以从眼底图像诊断青光眼，无需眼科医生进行各种临床测量(如眼压)进行诊断。我们强大的自动化青光眼诊断方法的易用性意味着任何医疗从业者都可以使用该系统来帮助青光眼筛查。这在那些找不到眼科医生的地区尤其有用。”

该团队现在正在测试他们的算法在TTSH拍摄的一个更大的患者眼底图像数据集上。他们还在研究如何将该软件移植到移动电话应用程序中，这样，当与眼底相机或移动电话镜头适配器一起使用时，它可能成为该领域可行的青光眼筛查工具。

它是如何工作的

由南洋理工大学和TTSH的团队开发的自动化青光眼诊断系统使用了一套算法来分析由两台相机从不同视角成对拍摄的立体眼底图像。这些2D的“左”和“右”的眼底图像组合在一起时有助于形成3D视图。

科学家们说，使用两幅图像可以确保，如果其中一幅图像质量较差，另一幅图像通常可以补偿，系统可以保持其准确的性能。

这套算法由两部分组成:深度卷积神经网络和注意力引导网络。前者模仿了人类大脑适应学习新事物的生物过程，而注意力引导网络模仿了大脑选择性地关注一些相关特征的方式——在这种情况下，眼底图像中的视神经头区域。

然后将这两个组件的输出融合在一起，生成最终的预测结果。为了测试他们的算法，科学家们首先降低了282张TTSH患者眼底图像(70例青光眼和212例健康患者)的分辨率，然后用70%的数据集训练算法。

为了生成更多的训练样本，科学家们还应用了图像增强技术——一种涉及应用随机但真实的变换的技术，比如图像旋转——来增加用于训练算法的数据集的多样性，从而提高算法的分类精度。

人工智能筛选准确率达97%

联合研究小组测试他们的筛选方法对剩余的30%病人的图像,发现它有一个正确地识别精度97%青光眼病例,和敏感性(部分情况下正确分类在所有积极的青光眼病例)比其他先进的95高出百分之深度学习基于此的方法也在研究期间进行了试验，其敏感性在69%到89%之间。

科学家们还发现，使用一对立体眼底图像可以提高他们的筛选系统的灵敏度。当使用单一眼底图像时，该算法的灵敏度较低，为85%至86%。

南洋理工大学副教授王教授说:“优秀和稳定的性能在医学诊断中尤为重要，这项研究表明，我们的模型结合深度卷积神经网络和注意力机制，已经导致了一种可靠和高效的人工智能辅助青光眼筛查方法。”在一对立体影像中同时使用左右眼底图像进行青光眼筛查，也有助于显著提高筛查模型的鲁棒性。展望未来，我们将进一步调整我们的算法，并通过在更多患者的图像上进一步测试，验证我们的人工智能方法的临床应用。”

TTSH的Yip博士说:“我们的研究表明，人工智能技术可以为临床医生提供新的工具，减轻他们的工作量，使诊断更有效。我们设想我们的筛查模型最终会采用一种便携式人工智能工具，它还可以帮助解决难以获得初级医疗保健和鉴别诊断错误的问题。”

这项研究发表在杂志上方法．