人工智能在眼底影像分析中的研究进展及
应用现状
郭东琳综述许发宝，巩亚*，项毅帆，李强，林浩添审校
(1.中山大学医学院，广东深圳；2.医院眼科，济南；3.中山大学中山眼科中心，眼科学国家重点实验室，广东省眼科视觉科学重点实验室，广州)
摘要?
近年来，眼科人工智能(artificialintelligence,AI)迅猛发展，眼底影像因易获取及其丰富的生物信息成为研究热点，眼底影像的AI分析在眼底影像分析中的应用不断深入、拓展。目前，关于糖尿病性视网膜病变(diabeticretinopathy,DR)、年龄相关性*斑变性(age-relatedmaculardegeneration,AMD)、青光眼等常见眼底疾病的临床筛查、诊断和预测已有较多AI研究，相关成果已逐步应用于临床实践。除眼科疾病以外，探究眼底特征与全身各种疾病之间的关系并据此研发AI诊断系统已经成为当下的又一热门研究领域。AI应用于眼底影像分析将改善医疗资源紧缺、诊断效率低下的情况，为多种疾病的筛查和诊断开辟“新赛道”。未来眼底影像AI分析的研究应着眼于多种眼底疾病的智能性、全面性诊断，对复杂性疾病进行综合性的辅助诊断；注重整合标准化、高质量的数据资源，提高算法性能、设计贴合临床的研究方案。
研究背景?
根据世界卫生组织年10月发布的世界视觉报告[1]，全球至少有22亿人存在视力障碍或失明。其中，糖尿病性视网膜病变(diabeticretinopathy,DR)、年龄相关性*斑变性(age-relatedmaculardegeneration,AMD)和青光眼是导致全球范围内不可逆性视力损伤的三大原因。由于这些眼部病变在早期往往没有明显症状而容易被患者忽略，导致患者因眼部症状来就诊时一般已经出现不同程度的不可逆视力损伤。因此，眼底疾病的常规筛查和早期诊断至关重要。此外，随着人口老龄化加速和人们生活方式的改变，DR、AMD和青光眼等眼病患者大幅增加，而现有的医疗资源分布不均，专业的眼科医生数量有限，无法实现大规模的人工筛查。同时，眼底影像生物信息丰富，可反映其他组织器官或系统的情况，有望应用于各种非眼科疾病的辅助诊断。因此，人工智能(artificialintelligence,AI)技术在眼底影像分类、识别和语义分割等方面的应用，有望实现眼底疾病的大范围筛查和早期诊断，一定程度上改善医疗资源缺乏的困境。
研究内容?
??
01
AI概述
AI是研究和开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，其概念于年由Mccarthy等在美国达特茅斯会议上首次提出[2]。AI是一种多维技术，具有多种组件，包括高级算法、机器学习(machinelearning,ML)和深度学习(deeplearning,DL)，其中ML和DL在医学AI领域得到了广泛的应用。ML是AI技术的一个子领域，它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。在计算机系统中，“经验”以“数据”形式存在，因此，ML的主要研究内容是关于在计算机上从数据中产生“模型”的算法，即“学习算法”。它的程序由机器编写，允许计算机在没有人工干预或帮助的情况下自动学习并分析数据集中的数据和信息之间潜在的相互关系，随后对验证数据集进行分类和输出。随着云计算、大数据时代的到来，计算能力的大幅提高可缓解训练低效性，训练数据的大幅增加则可降低过拟合风险，因此，以DL为代表的复杂模型开始受到人们的