AI預測青光眼發病與進展見成效

中山大學中山眼科中心教授張秀蘭團隊成功研發用AI智能預測青光眼發病與進展。該研究主要分為兩個部分：青光眼發病預測和進展預測。相關研究6月1日發表于Journal of Clinical Investigation。

發病預測（incidence prediction）指基于基線眼底彩照評估3-5年后受試者轉為青光眼性視神經病變的風險。首先進行眼底彩照閱片，同一張圖片的標簽由三位醫生投票決定，分為青光眼和非青光眼。閱片時圖片時間順序隨機打亂。然后綜合分析同一只眼的隨訪數據，分為兩類：第一類為基線非青光眼而后續隨訪變為青光眼（陽性樣本）；第二類為基線非青光眼且后續隨訪一直保持非青光眼（陰性樣本）。

基于上述數據，研究團隊開發發病預測模型，基于基線眼底彩照預測未來發生青光眼的概率。發病預測模型由分割模塊（Unet）與預測模塊（ResNet）兩部分組成，基于10357只眼（112個陽性樣本、10246個陰性樣本）的數據進行訓練。在包含1674只眼的兩個外部隊列中進行驗證，取得了0.89和0.88的AUC值。

進展預測（progression prediction）指基于基線眼底彩照評估青光眼患者在未來3-5年發生視野進展的風險。該部分研究受試者均接受眼底彩照和視野配對檢查。首先進行視野閱片，同一只眼的縱向視野報告由三位醫生分別閱片，分為有視野進展（陽性樣本）和無視野進展兩組（陰性樣本）。

基于上述數據，研究團隊開發進展預測模型，基于基線眼底彩照預測未來發生青光眼進展的概率。進展預測模型同樣由分割模塊（Unet）與預測模塊（ResNet）兩部分組成，基于3003只眼（327個陽性樣本、2676個陰性樣本）的數據進行訓練。在包含850只眼的兩個外部隊列中進行驗證，取得了0.87和0.88的AUC值。

在進一步的可解釋性分析中，熱圖表明人工智能模型預測風險時主要依據視盤邊緣和盤沿上、下血管弓區域，與臨床醫生評估青光眼損傷時的關注點極為相似。該研究首次在大樣本縱向眼底彩照數據上實現了基于基線數據的青光眼病情預測。將基線眼底圖像輸入AI模型，即可得出健康受試者在未來3-5內發展為青光眼或青光眼患者視野進展的風險。

據介紹，該項研究成果有三大亮點：一是，首次實現基于AI的青光眼發病及進展預測，且算法在外部測試集依舊保持出色的預測性能；二是，青光眼發病預測數據來自社區篩查隊列，更好地反映青光眼在人群中的分布特征，加強了AI模型的泛華性和可靠性；三是，AI模型成功地從基線眼底彩照中識別出視野惡化的高風險患者，實現了基于結構的功能預測；且AI模型對不同的青光眼亞型，包括POAG和PACG都表現了較高的預測準確性。

據悉，國內23家單位共28個研究者共同參與此項研究。