(资料图)

包括伦敦大学城市克拉布实验室在内的一个团队的研究已经使用“深度学习”(DL)，这是一种人工智能(AI)，对数千张青光眼患者眼后部的图像进行预测他们的视力受到疾病的影响有多大。

该研究动员并整理了来自英格兰三个 NHS 诊所的 24,000 多名患者的大量数据，以实现这一目标。研究结果表明，人工智能方法可以在跟踪临床患者青光眼的进展方面发挥作用，也可以用于优化青光眼的研究试验。

青光眼是一组导致视神经进行性损伤的眼部疾病，它影响约 2% 的 40 岁以上人群和近 10% 的 75 岁以上人群，导致每年超过 100 万人次就诊。一旦有人因青光眼失明，就无法恢复，因此早期发现和适当的管理至关重要。

深度学习是一种“机器学习”和人工智能，它模仿人类获取某些类型知识的方式。在这项研究中，深度学习模型独立地应用于从青光眼患者的眼睛中获取的大量两种类型的成像。目的是确定这些模型是否可用于预测患者可以看到的视觉区域(视野)。

第一种成像称为光学相干断层扫描(OCT)，它使用低相干(不太可能反射)的光来获得高分辨率的视网膜横截面图像，视网膜是眼睛后部的感光区域图像是由眼睛形成的。可以区分视网膜内的各层，并且可以测量视网膜厚度以帮助早期发现和诊断疾病。

第二种成像称为红外反射 (IR)，它使用红外光照射视网膜，在这种情况下用于成像视盘，这是眼睛的视神经离开视网膜并传播到视盘的地方。脑。

该研究的一个独特方面是，深度学习方法学会了如何通过查看图像来预测患者的视野，而无需任何专家或医生对图像中的特征进行任何标记。

该研究发现，每个深度学习模型都可以利用每种类型成像的各自体积中的模式，并仅从他们眼睛的图像中对特定患者的视野具有有用的预测价值。然而，该研究进一步发现，在 OCT 和 IR 这两种成像类型中执行深度学习过程，在预测患者视野方面提供了更好的准确性。