人工智能在诊断中的作用增强

眼底图像显示年龄相关性黄斑变性的例子。上图，从左到右:无病和早期AMD。底部，从左到右:AMD的中晚期。

来源:APL

来自马里兰州劳雷尔市约翰·霍普金斯大学应用物理实验室(APL)的研究人员和约翰·霍普金斯医学院的合作者开发了图像分析和机器学习工具，用于检测年龄相关性黄斑变性(AMD)。在《自然医学》杂志上，研究小组的成员讨论了这种工具在临床应用和其他基于图像的医学诊断方面的潜力。

AMD引起的病变会使锐利的中央视力变模糊，这是个体在阅读、识别人脸和驾驶时所需要的。它是导致50岁以上人群失明的首要原因。通常，AMD导致的视力损失是不可逆的，因此需要在严重视力损失发生之前检测出可治疗的病变。

2015年，APL的Philippe Burlina和同事们与约翰霍普金斯大学威尔默眼科研究所合作，研究自动化AMD诊断的方法。在最近的工作中，他们证明了使用深度学习的机器诊断可以与人类眼科医生的表现相媲美。Burlina解释说:“我们已经能够展示出对AMD严重程度进行自动化细粒度分类的可行性，这只有经过高度训练的眼科医生才能做到。”“这些技术有可能为个人提供自动的图像分级，以识别AMD，或监测那些处于AMD早期阶段的人，在病情较严重时及时治疗，以减少失明的风险。”

该团队还扩大了对光学相干断层扫描(OCT)中视网膜层特征的研究，OCT是一种非侵入性成像技术，可以提供视网膜、视网膜神经纤维层和视神经头的高分辨率横断面图像。这种技术可用于诊断其他视网膜疾病，如糖尿病视网膜病变，但也有潜力帮助诊断血管和神经退行性病变。Burlina说:“我们能够证明机器在诊断AMD方面可以和人类做得一样好。”“所以现在我们已经开始研究其他视网膜疾病，以及如何将图像与其他信息来源结合起来——人口统计数据、生活方式因素，如吸烟和阳光照射——来自动进行预测，并预测5年内发展为这种疾病晚期的可能性。”最终目标是帮助临床医生和指导治疗。”