国际眼科时讯

WOC中国之声丨何明光教授：生成型AI在眼科中的应用——从算法革新到临床解决方案

2024-08-26 17:19:00
1088 Views

编者按：医学，这门古老的学科，自古以来就承载着人类对健康的渴望和对生命的敬畏。而今，随着人工智能（AI）技术的加入，它正焕发出前所未有的活力。AI在医学中的应用，已经从最初的辅助诊断，发展到现在的精准治疗、个性化医疗，乃至前沿的药物研发，这一切都昭示着一个全新的医学时代的到来。在第三十九届世界眼科大会（WOC 2024）上，来自香港理工大学的何明光教授分享了关于生成型人工智能（Generative AI）在眼科中的应用，赢得了广泛的关注，为来自全世界的眼科学者带来了一场关于AI的头脑风暴。

什么是生成型人工智能？

何明光教授介绍道，生成型AI是一种能够基于已有的数据生成新的、逼真的数据实例的AI技术。这种技术在多个领域均有应用，包括艺术创作、数据增强、游戏开发等。在医学领域，尤其是眼科，生成型AI展现出巨大的潜力。

Generative Adversarial Networks（生成对抗网络，简称GANs）是生成型AI的一种重要形式。GANs由两部分组成：生成模型（Generator）和判别模型（Discriminator）。生成模型的目标是利用训练数据生成新的图像，而判别模型则尝试区分生成的图像与真实数据集中的图像。这两部分在训练过程中相互竞争，生成模型不断学习如何产生更加逼真的图像，而判别模型则不断提高其识别能力。最终，生成模型能够产生几乎无法与真实图像区分的合成图像，这就是GANs达到最优训练状态的标志。

目前，生成型AI可用于图像增强、疾病识别、合成数据生成、治疗反应预测、手术结果模拟、非侵入性诊断、自动图像分割、特殊检查图像合成等。

生成型AI如何应用于眼科临床？

如何将生成型AI转化为实际眼科临床应用呢？何明光教授团队进行了一项研究，该研究应用GANs模型，从彩色眼底照相（CF）及晚期荧光素眼底血管造影（FFA）图像中提取视网膜血管，并进行配准，以实现像素级图像匹配，从而实现将CF转化为相应的静脉期和晚期FFA图像。

研究结果显示，通过GANs可以实现CF到FFA的图像转化，转化结果与真实的FFA图像非常接近。这一研究提示，在无法进行FFA检查时，可以通过将CF转化为FFA，进一步提高糖尿病视网膜病变的筛查准确性。

除了糖尿病视网膜病变外，GAN还可以用于其他眼部疾病如息肉状脉络膜血管病变（PCV）、中心性浆液性脉络膜视网膜病变（CSC）、视网膜色素变性（RP）、视网膜静脉阻塞（RVO）、脉络膜新生血管（CNV）等眼部疾病的图像转化。

此外，另一项临床研究也提示了通过GAN模型将眼底彩照转化为吲哚菁绿血管造影（ICGA）的可能。

研究显示，通过CF-to-ICGA框架，可以生成真实的早期、中期和晚期ICGA图像。

这一研究结果提示，在CF之上添加生成的ICGA显著提高了AMD分类的准确性。

GAN模型同样可以将CF转化为眼底自发荧光（FAF）图像。将转化后的FAF图像结合CF图像，提高了AMD分类的准确性。

何明光教授团队还进行了一项研究，该研究开发并验证一个名为视网膜微血管健康评估系统（Retina-based Microvascular Health Assessment System, RMHAS）的AI模型，用于全自动化视网膜血管测量，以实现高通量图像分析。该系统可以详细分析视网膜微血管，并预测和监测主要心血管疾病。研究显示，RMHAS在多种眼病和不同图像分辨率的数据集上都取得了良好的分割准确性，并且与手动分割相比，RMHAS在描绘小血管方面表现更好。这一研究提示，通过提供详细的视网膜血管测量参数，RMHAS有助于更好地理解眼部和系统性疾病之间的关系，有助于大规模的视网膜图像研究和可能的心血管疾病风险评估。

小结：在眼科临床实践中，生成型AI技术的应用正日益展现出其巨大的潜力。通过何明光教授的分享，我们了解到通过这一前沿技术能够将传统的有创成像技术，如FFA，转化为更为安全、患者体验更优的无创成像方法。这一转变不仅减轻了患者的痛苦，还拓宽了我们对眼底微血管病变的洞察力。未来，我们期待生成型AI技术在眼科领域的进一步改进和验证。随着算法的迭代和大数据的积累，我们相信这一技术将更加成熟，能够为眼科医师提供更加精准的诊断工具，为患者带来更具个性化的治疗方案。

专家简介

何明光教授

香港理工大学杰出创科学人计划讲席教授，视觉科学研究中心主任，曾任中山大学中山眼科中心教授二级教授，墨尔本大学眼科学教授。国家杰出青年基金获得者、国家“万人计划”领军人才、广东特支计划杰出人才（“南粤百杰”），兼任亚太眼科学会常务理事，亚太近视学会创会理事，《英国眼科杂志》副主编。其研究成果多次以论著方式发表在Lancet、JAMA等国际权威期刊。

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。