AI在医疗领域又有新发展！这次是在青光眼治疗上

【 图片来源：IBM Research Blog  所有者：IBM Research Blog 】

雷锋网按：青光眼是世界上致盲的第二大原因，在40岁及以上的人群中，有3.5%的人受到青光眼的影响。2010年，有6050万人受到这种疾病的影响，预计到2020年这一数字将升至8000万人。虽然现有的治疗方法可以阻止疾病的发展，但它们无法恢复视力。因此，早期发现和及时干预是青光眼临床治疗的重要问题。IBM Research与纽约大学就“青光眼治疗”进行了一项研究，雷锋网全文编译如下：

视野测试反映了患者在整个视觉空间内的视力范围，并被用于诊断各种疾病。例如，青光眼引起的视觉神经损伤会导致上视野和下视野的特征性视野缺损。虽然其他条件能够以类似青光眼的方式影响视网膜结构，但对视力的影响往往是非常不同的。因此，这些测试是诊断过程中不可或缺的一部分。

然而，由于这些测试完全依赖于患者的反馈，它们对患者的警觉性是主观的。众所周知，一天中的时间是影响患者在这些测试中的表现的一个因素，早晨的状态要比午间的好。因此，一个人可能需要进行多次测试，来精确测量任何视力损失。

从生物学的角度来看，我们知道视觉功能和视网膜结构之间存在关联。这里出现了一个有趣的研究问题：我们能通过非侵入式技术成像直接从眼睛的结构中估计视觉功能吗？答案是肯定的，因为IBM的研究人员们已经发现视网膜成像数据中的信息可以帮助评估青光眼的存在。

IBM Research与纽约大学合作开展了一项研究，采用数据驱动的方法，利用深度学习技术来探索这个问题，其研究以前所未有的精度从单个光学相干断层扫描(OCT)图像中估计视场指数(VFI)， Pearson相关系数为0.88。VFI是一个代表整个视野的国际指标，通过人工智能精确捕捉，为未来可能使用此分析快速评估患者视觉功能的技术奠定基础。这可以让专业人士在诊断青光眼收集数据时获得更精确的信息，而不需要进行多次耗时的测试。

传统的OCT结构测量，如视网膜神经纤维层(RNFL)厚度和神经节细胞内丛状层(GCIPL)厚度，在青光眼目标位置已知的情况下都无法达到这个精确度。研究表明OCT捕捉到的结构测量包含了与功能测量高度相关的信息，这在专业人员寻求诊断方法时非常有用。

青光眼的另一个重要挑战是其进展速度，这需要仔细分析多次就诊的数据。IBM的研究已经使用机器学习解决了这个问题，它已经表明可以预测未来访问时的视觉功能测试结果。总有一天，这种能力可以帮助专业人士更好地预测疾病的开始和发展，并相应地调整治疗方法。

这项研究将于4月28日至5月2日在加拿大温哥华举行的ARVO(视力和眼科研究协会)年会上发表。IBM研究团队将与纽约大学一起，就青光眼检测和管理的各个方面提出7篇摘要。

雷锋网注：本文编译自IBM Research Blog