由于專家不足且高度依賴臨床專業(yè)知識來評估視網(wǎng)膜成像情況，確定年齡相關(guān)性黃斑變性的高風險人群一直是個令人頭痛的難題。但如今，人工智能/機器學(xué)習（AI/ML）等新興技術(shù)的逐步普及，正為更準確、更高效的篩查方法鋪平道路。

這些AI系統(tǒng)能夠自主評估人們罹患晚期年齡相關(guān)性黃斑變性的風險，并幫助及時診斷和治療。隨著這項技術(shù)的進步，早期干預(yù)足以改變高患病風險患者的健康狀況，幫助他們保住視力、維持良好的生活質(zhì)量。

用雙眼見證未來：以人工智能治療年齡相關(guān)性黃斑變性

什么是黃斑變性？

黃斑是視網(wǎng)膜的中央部分，負責視野中部的視力，而黃斑變性則是影響這一區(qū)域的慢性眼部疾病。這種疾病通常與年齡相關(guān)，在50歲以上的個體中較為常見。遺傳、吸煙、高血壓、肥胖、缺乏運動和不良飲食等危險因素，都會導(dǎo)致罹患黃斑變性的風險上升。

全球已經(jīng)有超過2億人被診斷患有這種疾病，這使得黃斑變性成為成人視力喪失的主要原因之一。黃斑變性的早期體征與癥狀包括視力模糊、閱讀困難、觀看到的直線扭曲以及中央視野出現(xiàn)黑斑。黃斑變性高風險人群應(yīng)當定期接受眼科醫(yī)生的檢查，獲取適當?shù)脑\斷與治療計劃以有效控制疾病的發(fā)展。

如果能在早期階段發(fā)現(xiàn)疾病，病人將獲得及時的干預(yù)和處置，防止不可逆轉(zhuǎn)的視力喪失后果。隨著AI與機器學(xué)習的持續(xù)發(fā)展，醫(yī)療保健機構(gòu)已經(jīng)能夠有效篩查患者罹患年齡相關(guān)性黃斑變性的情況。

視網(wǎng)膜疾病診療中的AI創(chuàng)新

iHealthScreen開發(fā)的基于AI與機器學(xué)習的診斷系統(tǒng)，可用于識別年齡相關(guān)性黃斑變性。他們的旗艦產(chǎn)品iPredict?能幫助初級保健機構(gòu)成功篩查出患者的年齡相關(guān)性黃斑變性，并預(yù)測哪些出現(xiàn)早期癥狀的患者更有可能病情惡化并最終發(fā)生視力喪失。

該系統(tǒng)由具有里程碑意義的年齡相關(guān)眼病研究（AREDS）數(shù)據(jù)集開發(fā)而成，其中包含超9.3萬張彩色眼底照片，同時配合深度學(xué)習算法進行訓(xùn)練。訓(xùn)練完成后，系統(tǒng)還通過AREDS中另外23495張圖像完成了驗證與測試。

要使用iPredict?，初級醫(yī)生首先需要使用全自動眼底相機捕捉患者視網(wǎng)膜的彩色圖像。之后，這些圖像將被安全發(fā)送至中央服務(wù)器并使用iPredict?進行分析。根據(jù)分析結(jié)果，報告會將患者分為可確診和不可確診的年齡相關(guān)性黃斑變性，進而為可確診患者打出預(yù)測評分、量化他們在未來一兩年內(nèi)罹患晚期黃斑變性的風險。

在臨床試驗中，iPredict?在預(yù)測未來一年和兩年內(nèi)發(fā)展為晚期年齡相關(guān)性黃斑變性風險時，準確率分別為86%和84%。紐約市區(qū)的四家初級保健診所正在評估這套系統(tǒng)在非?？茩z測環(huán)境下的準確性。此外，iPredict?的篩查模型已經(jīng)通過前瞻性驗證并提交至FDA，希望能在2023年年底之前獲得在初級保健場景中落地的相關(guān)許可。

美國國家衛(wèi)生研究院下屬國家眼科研究所（NEI）還與國家生物技術(shù)信息中心（NIH）的同事合作開發(fā)出另一種基于AI的系統(tǒng)，可用于預(yù)測晚期年齡相關(guān)性黃斑變性。iHealthScreen與NIH的系統(tǒng)均接受大量素材訓(xùn)練，可在圖像中尋找與晚期疾病風險具有較高相關(guān)度的網(wǎng)狀假性玻璃膜疣（一種在黃斑中產(chǎn)生班狀圖案的病變）。

借助AI分析識別年齡相關(guān)性黃斑變性

年齡相關(guān)黃斑變性的早期發(fā)現(xiàn)和治療，對于預(yù)防造成不可逆的視力操作可謂至關(guān)重要，而基于AI的新興工具則有助于控制疾病進展。近期一項分析，就重點使用基于AI的算法來檢測眼底圖像中的病變。研究發(fā)現(xiàn)，這些算法在疾病檢測能力上幾乎可以與人類眼科專家看齊。

AREDS數(shù)據(jù)庫中共包含超13萬張眼底照片，常被用于年齡相關(guān)性黃斑變性的AI識別研究。雖然受到研究人員的廣泛贊譽，但值得注意的是，該數(shù)據(jù)庫建立于1980年代，缺乏對硬性玻璃膜疣和當前疾病臨床分類中年齡相關(guān)變化的細致體現(xiàn)。因此，某些過時圖像可能會損害大型AI模型的實際成效。另一個現(xiàn)實問題是，其中不少照片是由老底片數(shù)字化轉(zhuǎn)錄而來。

研究發(fā)現(xiàn)，在用規(guī)模更大的數(shù)據(jù)集做驗證研究時，AI的診斷能力開始顯得力有不逮。而前文提到的模型僅在研究數(shù)據(jù)集上完成評估。在不同的環(huán)境和條件下，針對較大人群進行基于AI篩查時，結(jié)果也存在著顯著差異。因此必須采取更加謹慎的應(yīng)用方法。受算法架構(gòu)、訓(xùn)練與驗證數(shù)據(jù)集大小、圖像質(zhì)量和年齡相關(guān)性黃斑變性的參考標準仍有缺失等現(xiàn)實因素的影響，AI算法在不同研究中出現(xiàn)了較大的性能波動。

使用AI技術(shù)進行年齡相關(guān)性黃斑變性診斷及預(yù)測的局限性

AI技術(shù)確實表現(xiàn)出從多模態(tài)成像數(shù)據(jù)（包括眼底照片、SD-OCT頻域光學(xué)相干斷層掃描及血管斷層掃描）中檢測年齡相關(guān)性黃斑變性的潛力。將基于AI的軟件集成至眼底相機中，能夠幫助眼科醫(yī)生減少工作量、降低誤診可能性，提高對早期黃斑變性的檢測成功率。這一點對于缺乏熟練專家及其他優(yōu)質(zhì)醫(yī)療資源的偏遠地區(qū)尤其具有重大意義。盡管如此，AI算法往往只能檢測出一種癥狀或體征，且僅在有限的數(shù)據(jù)集上進行訓(xùn)練，因此診斷準確性高度依賴于訓(xùn)練集中的圖像質(zhì)量。

AI軟件的實施還面臨其他現(xiàn)實挑戰(zhàn)，例如軟件的可行性與性能同臨床醫(yī)生間的比較、患者對機器的信任度、“暗箱”系統(tǒng)的潛在問題、產(chǎn)生漏診病例的可能性，以及在被判斷出存在年齡相關(guān)性黃斑變性癥狀后的轉(zhuǎn)診問題等。此外，這些技術(shù)尚不適合初級保健篩查，因此其成本比免散瞳自動相機更高，而且在有視網(wǎng)膜專家親自診斷時也起不到太多作用。

盡管如此，這一領(lǐng)域的研究對于年齡相關(guān)性黃斑變性的早期診斷和治療仍有著巨大助益，有望改善患者的治療效果甚至挽救寶貴生命。也許下一代診療技術(shù)的大門，在此刻正緩緩開啟。