编者按:随着科技的不断发展,人工智能在医疗领域的应用也越来越广泛。青光眼作为全球最常见的致盲性眼病之一,其诊疗过程更是迫切需要创新技术的支持,人工智能在青光眼诊疗中的应用正在改变人们对医学的认识和实践。AAO 2023会议上,国际眼科学者探讨了人工智能在青光眼诊疗中的应用,分享了如何借助科技的力量,更准确地诊断疾病、制定治疗方案、预测病情发展,以及更好地管理患者的日常健康状况。
使用多模态临床数据自动预测青光眼进展
随着人工智能在医学领域的不断发展应用,研究人员训练了一个多模态深度学习模型,旨在通过多种数据源识别功能性青光眼的进展。故研究人员收集了患者人口统计数据、临床测量、24-2视野、眼底照片、光学相干断层扫描(OCT)和视网膜神经纤维层(RNFL)厚度等数据。根据至少三次24-2视野测试,124名青光眼患者(144只眼)被归为快速进展者(平均每年1.0 dB或更差的平均偏差损失),150名青光眼患者(210只眼)被归为稳定者(每年损失小于1.0 dB)。训练多模态转换器模型以使用基线OCT、眼底成像、RNFL厚度、视野、患者人口统计数据和眼科测量来识别快速进展者。此外,还纳入了随访期间的纵向OCT和眼底成像。研究人员发现,使用基线数据实现的模型在识别快速进展者方面的曲线下面积(AUC)为0.61。增加一次或两次随访检查的成像,AUC则提高到0.76和0.77。
结论:多模态转换器模型以适度的准确度识别快速进展者,可以帮助临床医生在发生不可管理的视力损失之前及时识别患者。
第一作者:Justin Huynh
共同作者:Evan Henry Walker、Benton Gabriel Chuter、Christopher Bowd、Michael Goldbaum、Jeffrey M Liebmann、Massimo Antonio Fazio、Christopher A Girkin、Sally Liu Baxter、Robert N、 Ali Tafreshi Linda Zangwill、Mark Christopher
使用人工智能从早期视野数据预测青光眼患者的最终视野
为探索使用深度学习模型从早期随访期间获得的视觉检查数据预测青光眼患者的最终视野的可行性,研究人员纳入4243名青光眼患者,共7150只患眼。每位患者接受了有5次或更多次的视野检查和至少3年的随访。设计生成式深度学习模型,根据前5次视野检查的相应数据预测54个视野位置的平均偏差(MD),模式标准偏差(PSD)和阈值敏感性。每只眼的平均视野检查次数为10.2,标准差(SD)=5.2;第5次和最后一次视野检查之间的平均间隔为5.1年,SD =4.1年;基线MD的平均为-3.9,SD =5.1dB;真实值与预测MD和PSD之间的R2和平均绝对误差(MAE)分别为0.78(0.74,0.81)和1.9(1.7,2.1)dB以及0.79(0.75,0.82)和1.1(1.0,1.3)dB。对于阈值敏感性,实际值与预测值之间的R2和MAE分别为0.70(0.69,0.71)和3.1(3.0,3.2)dB。
结论:生成式深度学习模型能够根据初始视野检查和临床相关表现预测最终的视野测量值。
第一作者:Sajad Besharati
共同作者:Vahid Mohammadzadeh、Ella Bouris、Fabien Scalzo、Kouros Nouri-Mahdavi、Joseph Caprioli
钠-葡萄糖共转运蛋白2(SGLT2i)抑制剂对2型糖尿病(T2D)患者青光眼发生风险有何影响
为探讨SGLT2i抑制剂对T2D患者青光眼发生风险的影响,研究人员在2013年至2023年进行了一项多中心队列研究,探究了SGLT2i抑制剂对T2D患者青光眼发生风险的影响。该研究比较了使用SGLT2i抑制剂治疗的T2D患者与1:1倾向评分匹配的DPP4i抑制剂治疗的T2D患者在青光眼发生风险方面的差异。采用Cox比例风险回归法对青光眼及其亚型的风险比(HR)进行了估计。共699949例T2D患者接受了SGLT2i治疗,与使用DPP4i的患者相比,使用SGLT2i的患者青光眼的风险较低(HR:0.80;95%CI, 0.78-0.81),包括开角型青光眼(HR:0.75;95%CI,0.72-0.73)和原发性闭角型青光眼(HR:0.69;95%CI, 0.63-0.77)。
结论:SGLT2i的使用与T2D患者青光眼的风险显著降低相关。
第一作者:Kathleen Eng
共同作者:Pin Chia Huang、Nazlee Zebardast、David S Friedman、Kevin Sheng-Kai Ma
一项前瞻性比较研究:利用人工智能进行青光眼筛查
为评估智能手机眼底相机上的人工智能系统检测可疑青光眼的能力,研究人员在三级中心进行了一项前瞻性研究,使用研究设备(经过验证的便携式非散瞳眼底相机)捕获以视盘为中心的图像。将人工智能工具检测可疑青光眼(确诊青光眼和疑似青光眼)的能力与专家在临床评估、光谱域光学相干断层扫描和Humphrey视野检查(HVF)后的诊断结果进行比较。采用Hoddap-Parrish-Anderson标准(HVF上的MD)对青光眼的严重程度进行分类。在213例受试者中,人工智能系统对可疑青光眼的诊断准确率为89.2%,灵敏度为89%(83.2% ~ 93.4%),特异性为89.8%(77.8% ~ 96.6%)。18例假阴性包括8例可疑病例和10例青光眼病例。人工智能对轻度、中度和晚期青光眼的检测灵敏度分别为86.9%、90.3%和94.7%。
结论:智能手机眼底相机的人工智能离线工具在诊断可疑青光眼方面表现良好。人工智能对晚期青光眼的检测准确率较高,其次是中度和早期青光眼。
第一作者:Divya Parthasarathy Rao
共同作者:Sirisha Senthil、Chandra Shekhar Garudadri、Florian M. Savoy、Kalpa Negiloni、Shreya A Bhandary
小结
在这个信息爆炸的时代,数据和信息已经成为我们生活的重要组成部分。而人工智能作为数据处理和应用的代表,正在以前所未有的速度改变着我们的生活。人工智能在医疗领域的应用仍处于不断发展和完善的阶段,期待为了出到更多关于AI在青光眼诊疗中的研究及更多创新技术。随着AI技术的不断进步和发展,相信人工智能将在青光眼诊疗中发挥更大的作用,为患者带来更好的治疗效果和生活质量。
声明:本文仅供医疗卫生专业人士了解最新医药资讯参考使用,不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导,也不应被视为诊疗建议,如果该信息被用于资讯以外的目的,本站及作者不承担相关责任。
2 comments
条评论
Linda Gareth
2015年3月6日, 下午2:51Donec ipsum diam, pretium maecenas mollis dapibus risus. Nullam tindun pulvinar at interdum eget, suscipit eget felis. Pellentesque est faucibus tincidunt risus id interdum primis orci cubilla gravida.