郝勝利，高楠，趙素焱

人工智能（AI）最早于1956年由麥卡錫等提出，它是計(jì)算機(jī)理論的發(fā)展，執(zhí)行通常需要人類(lèi)智能才能完成的任務(wù)，包括語(yǔ)音識(shí)別、學(xué)習(xí)、視覺(jué)感知、數(shù)學(xué)計(jì)算、推理、決策和語(yǔ)言翻譯［1］。AI在臨床應(yīng)用的幾個(gè)主要方面包括機(jī)器學(xué)習(xí)（ML）、深度學(xué)習(xí)、自然語(yǔ)言處理和面部識(shí)別，其中ML是指AI系統(tǒng)在原始數(shù)據(jù)中提取信息并學(xué)習(xí)的能力，是AI研究的重要分支［2-3］。目前這項(xiàng)技術(shù)已被應(yīng)用于皮膚病學(xué)、病理學(xué)、眼科學(xué)、影像學(xué)等臨床學(xué)科［4-6］。其中，在眼科領(lǐng)域，AI通過(guò)對(duì)眼底照相、光學(xué)相干斷層掃描和視野等圖像較強(qiáng)的分析能力，目前已應(yīng)用于糖尿病性視網(wǎng)膜病變、早產(chǎn)兒視網(wǎng)膜病變、青光眼視盤(pán)形態(tài)改變、黃斑水腫和年齡相關(guān)性黃斑變性等疾病的檢測(cè)［7-9］。眼整形外科是眼科學(xué)與整形外科的交叉學(xué)科，圖像的采集、分析、處理對(duì)于病情的評(píng)估、治療方案的設(shè)計(jì)、手術(shù)方式的優(yōu)化選擇以及術(shù)后病理快速、準(zhǔn)確的檢測(cè)都極為重要。目前AI技術(shù)在眼整形外科的應(yīng)用處于初步探索階段。AI技術(shù)能夠快速、準(zhǔn)確地識(shí)別大量的影像學(xué)資料來(lái)輔助診斷，其在眼整形外科疾病的診斷、療效評(píng)估等方面具有較大潛力?，F(xiàn)就AI在眼整形外科中的應(yīng)用進(jìn)展進(jìn)行綜述。

1 ML

ML是AI研究的一個(gè)分支，它是各種算法的總稱(chēng)，通過(guò)深度學(xué)習(xí)（DL）等多種算法，機(jī)器可以根據(jù)指定任務(wù)，逐步建立精確的數(shù)據(jù)模型。簡(jiǎn)言之，給予一組數(shù)據(jù)和相關(guān)知識(shí)，算法系統(tǒng)可從這些數(shù)據(jù)中學(xué)習(xí)，并將其應(yīng)用到新的預(yù)測(cè)中［10］。ML分為監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)，監(jiān)督學(xué)習(xí)指將包含已知變量和目標(biāo)的原始數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)提交給算法，算法通過(guò)數(shù)據(jù)訓(xùn)練進(jìn)行學(xué)習(xí)，建立預(yù)測(cè)模型，輸入新數(shù)據(jù)即可進(jìn)行下一次預(yù)測(cè)。非監(jiān)督學(xué)習(xí)指將包含未知變量和目標(biāo)的原始數(shù)據(jù)提交給算法，該算法根據(jù)檢測(cè)到的規(guī)律為數(shù)據(jù)建立描述性模型，從未知數(shù)據(jù)中得出推論［11］。隨著對(duì)ML的深入研究，AI在圖像分類(lèi)、結(jié)果判讀、預(yù)測(cè)及面部識(shí)別等方面的部分性能和精確度甚至已超越人類(lèi)，目前在影像學(xué)［12］、心臟病學(xué)［13］、病理學(xué)［14］等醫(yī)學(xué)領(lǐng)域受到越來(lái)越多的重視并得到迅速發(fā)展。

2 AI在眼整形外科中的應(yīng)用

2.1 面部識(shí)別技術(shù)的評(píng)估 隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展，人們對(duì)美的需求日益增加，面部微創(chuàng)非手術(shù)治療（如肉毒素注射、皮膚軟組織填充術(shù)、化學(xué)換膚、激光脫毛等）以及手術(shù)治療（如重瞼、眼袋、眼瞼下垂等眼部整形手術(shù)和鼻整形等面部整形手術(shù)）日漸增多。伴隨面部識(shí)別技術(shù)在個(gè)人生物特征認(rèn)證和公共安全系統(tǒng)中的迅速普及，越來(lái)越多的人可能會(huì)咨詢(xún)整形外科醫(yī)師眼部或面部其他部位的手術(shù)是否會(huì)影響其被面部識(shí)別技術(shù)識(shí)別的能力。面部識(shí)別使用模式識(shí)別模型結(jié)合圖像分析和深度神經(jīng)網(wǎng)絡(luò)進(jìn)行獨(dú)特的生物特征測(cè)量，以解釋面部特征［15］。Chen等［16］采用面部識(shí)別神經(jīng)網(wǎng)絡(luò)對(duì)接受變性手術(shù)（男性變女性）患者的面部女性化手術(shù)的有效性進(jìn)行了研究，收集了20例完成面部女性化手術(shù)患者術(shù)前和術(shù)后的標(biāo)準(zhǔn)化正側(cè)位圖，并以120例未手術(shù)的正常性別者的圖像作為正常對(duì)照?qǐng)D像，結(jié)果顯示面部女性化手術(shù)后圖像的識(shí)別正確率為98%，提示AI技術(shù)能夠有效識(shí)別整形手術(shù)后的面部圖像。

2.2 醫(yī)學(xué)影像的輔助診斷 部分眼部疾病的診斷高度依賴(lài)于CT、磁共振、超聲等影像學(xué)證據(jù)，然而其診斷受限于臨床醫(yī)師的知識(shí)水平和臨床經(jīng)驗(yàn)，基于ML的AI技術(shù)可以更高效地進(jìn)行圖像的識(shí)別與分類(lèi)，協(xié)助臨床醫(yī)師進(jìn)行影像學(xué)結(jié)果的判讀。甲狀腺相關(guān)性眼?。═AO）是一種與內(nèi)分泌有關(guān)的免疫性疾病，可能導(dǎo)致失明和眼眶畸形，早期診斷和治療有利于控制疾病進(jìn)展，但目前尚無(wú)有效的篩查方法。Song等［17］通過(guò)引入AI模型，對(duì)比了193例TAO患者和715例健康人群CT數(shù)據(jù)中再次采樣和提取感興趣區(qū)域，建立了一種基于眼眶CT的TAO篩選AI模型，并在臨床環(huán)境下對(duì)49例TAO患者和178例健康者進(jìn)行外部驗(yàn)證，受試者工作特征曲線下面積為0.919，其敏感度、特異度和準(zhǔn)確度分別為0.88、0.85和0.87；研究者利用150例TAO患者和150例健康者的數(shù)據(jù)分別進(jìn)行臨床條件下的應(yīng)用試驗(yàn)，包括非劣勢(shì)試驗(yàn)和診斷試驗(yàn)，非劣勢(shì)試驗(yàn)顯示AI組正確率為85.67%；該模型同時(shí)通過(guò)了非劣勢(shì)試驗(yàn)（P=0.001）和診斷性測(cè)試（AI組敏感度為0.87，特異度為0.84），提示此AI模型可能作為一種新的TAO篩選工具。狹顱癥是先天性發(fā)育畸形，是生長(zhǎng)發(fā)育過(guò)程中顱縫過(guò)早閉合所致，由于眼眶變淺，可引起突眼和分離性斜視等；顱內(nèi)壓升高后，晚期可能導(dǎo)致視神經(jīng)萎縮、視野缺損甚至失明。狹顱癥的診斷方法是CT影像結(jié)合體格檢查，但是目前尚無(wú)確定疾病嚴(yán)重程度的標(biāo)準(zhǔn)化方法。Bhalodia等［18］研究收集了17例5~15月齡的狹顱癥患者及65例正常對(duì)照者的CT影像，由專(zhuān)家進(jìn)行分級(jí)，同時(shí)使用ShapeWorks軟件進(jìn)行頭骨形狀分析，研究者運(yùn)用ML的方法，將專(zhuān)家的分級(jí)與形狀分析模型相結(jié)合，通過(guò)CT影像來(lái)預(yù)測(cè)疾病的嚴(yán)重程度；結(jié)果顯示此方法能準(zhǔn)確預(yù)測(cè)顱骨畸形程度與疾病嚴(yán)重程度的關(guān)聯(lián)性，有助于臨床醫(yī)師評(píng)估病情。隨著CT、磁共振成像等影像學(xué)檢查方法被用于疾病診斷，AI輔助的圖像評(píng)估可更大程度地提高結(jié)果判讀的精確度。

2.3 病理結(jié)果的判讀及輔助診斷 眼部及眼周皮膚腫瘤嚴(yán)重影響患者的健康及美觀，良性腫瘤可以通過(guò)電灼、冷凍等非手術(shù)方法治療，而惡性腫瘤則傾向于采用手術(shù)切除并進(jìn)行病理學(xué)診斷。皮膚癌是較常見(jiàn)的惡性腫瘤，首先可以通過(guò)其外觀以及臨床表現(xiàn)進(jìn)行初步臨床篩查，然后進(jìn)行皮膚鏡分析、活檢和組織病理學(xué)檢查。由于皮膚病變外觀的變化細(xì)微，使用圖像對(duì)皮膚病變進(jìn)行自動(dòng)分類(lèi)并不容易。Esteva等［19］研究設(shè)計(jì)了基于卷積神經(jīng)網(wǎng)絡(luò)的皮膚腫瘤檢測(cè)方法，使用大量臨床圖像訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)來(lái)定位和診斷病變區(qū)域，結(jié)果表明AI通過(guò)外觀圖像診斷皮膚腫瘤的準(zhǔn)確性與皮膚科醫(yī)師相當(dāng)。Seeja等［20］使用基于卷積神經(jīng)網(wǎng)絡(luò)的U-net算法對(duì)于皮膚病變進(jìn)行自動(dòng)分割，用以鑒別診斷黑色素瘤與良性皮膚病變，結(jié)果顯示，在深度學(xué)習(xí)環(huán)境中，其有助于提高皮膚病變的分類(lèi)性能，能夠幫助醫(yī)師在皮膚鏡圖像上早期診斷黑色素瘤。眼部皮膚腫瘤早期體積較小時(shí)，肉眼有時(shí)難以敏銳地觀察到其臨床改變，容易造成漏診、誤診，利用AI技術(shù)通過(guò)外觀圖像可以進(jìn)行早期診斷。

手術(shù)切除是眼部皮膚腫瘤的重要治療方法，診斷的金標(biāo)準(zhǔn)是標(biāo)本的病理檢查結(jié)果，傳統(tǒng)的病理檢查方法受醫(yī)師的經(jīng)驗(yàn)、精力等因素的影響較大，而且從標(biāo)本送檢到最后結(jié)果的確認(rèn)耗費(fèi)時(shí)間長(zhǎng)。AI不受個(gè)人因素的影響，能夠減小個(gè)體差異［21-23］，在病理診斷中的準(zhǔn)確率并不低于傳統(tǒng)的人工鏡檢［2］。AI還可以從病理圖像中分析并提取數(shù)據(jù)，可用以發(fā)現(xiàn)更多的癌癥相關(guān)生物學(xué)標(biāo)志物，是未來(lái)病理學(xué)發(fā)展的新方向［24-25］。

2.4 手術(shù)方案的設(shè)計(jì) 手術(shù)方案的設(shè)計(jì)是眼整形外科手術(shù)中的關(guān)鍵環(huán)節(jié)，與術(shù)后效果直接相關(guān)，制定最優(yōu)化的手術(shù)方案也是眼整形手術(shù)中的難點(diǎn)。傳統(tǒng)上如何設(shè)計(jì)手術(shù)方案取決于醫(yī)師既往的臨床經(jīng)驗(yàn)，好的方案設(shè)計(jì)需要長(zhǎng)時(shí)間的臨床訓(xùn)練和知識(shí)積累。此外，手術(shù)中術(shù)者還需要根據(jù)術(shù)中變化對(duì)預(yù)先設(shè)計(jì)的方案做出調(diào)整，這也延長(zhǎng)了手術(shù)時(shí)間，增加了手術(shù)的不確定性。

面部缺陷和不對(duì)稱(chēng)可以采用脂肪移植矯正，效果良好。既往評(píng)估面部缺陷以及治療計(jì)劃多采用CT、三維（3D）攝影測(cè)量法、高分辨率超聲和3D激光掃描等，每種技術(shù)各有其優(yōu)、缺點(diǎn)。Arias等［26］利用計(jì)算機(jī)輔助和3D打印技術(shù)進(jìn)行手術(shù)模擬設(shè)計(jì)，實(shí)現(xiàn)了對(duì)面部缺陷區(qū)域的準(zhǔn)確標(biāo)記并量化了軟組織缺陷。眼整形外科醫(yī)師可應(yīng)用計(jì)算機(jī)輔助和3D打印技術(shù)在眼眶減壓手術(shù)中或眼窩凹陷脂肪填充手術(shù)中進(jìn)行量化指導(dǎo)，而不是僅憑借直覺(jué)與目測(cè)，從而達(dá)到更好的手術(shù)效果。

Sosin等［27］在一項(xiàng)關(guān)于全臉、眼瞼、耳等組織移植的研究中借助計(jì)算機(jī)模擬技術(shù)為移植物的設(shè)計(jì)提供指導(dǎo)，并用其進(jìn)行術(shù)后效果的預(yù)測(cè)與評(píng)估，結(jié)果表明，使用計(jì)算機(jī)模擬手術(shù)提供指導(dǎo)可縮短手術(shù)時(shí)間，提高術(shù)后效果的可預(yù)測(cè)性。對(duì)于因復(fù)雜眼外傷需要進(jìn)行眼整形修復(fù)重建的患者，可以通過(guò)計(jì)算機(jī)模擬技術(shù)預(yù)先進(jìn)行眼部皮瓣設(shè)計(jì)和模擬眼瞼重建來(lái)預(yù)測(cè)術(shù)后效果，以此幫助眼整形外科醫(yī)師制定精準(zhǔn)的手術(shù)方案，縮短手術(shù)時(shí)間，改善預(yù)后。

2.5 手術(shù)后的效果評(píng)估 眼整形手術(shù)的最終目的是希望術(shù)后能夠達(dá)到預(yù)期的整形美容效果，而美是一個(gè)較為抽象的概念，人們對(duì)于美的評(píng)判往往受多種因素的影響，用于人面部美觀的客觀標(biāo)準(zhǔn)仍存在爭(zhēng)議。Zhai等［28］提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的面部檢測(cè)新方法，該技術(shù)較以往的基于幾何的評(píng)估方法具有更好的分類(lèi)準(zhǔn)確度。除此以外，面部數(shù)據(jù)庫(kù)的搭建也提高了使用AI技術(shù)進(jìn)行面部美觀評(píng)估在臨床應(yīng)用中的可操作性。人眼部的美觀與面部整體密切相關(guān)，可以將該預(yù)測(cè)方法運(yùn)用到眼部的美觀評(píng)估，通過(guò)術(shù)前與術(shù)后美觀對(duì)比來(lái)評(píng)價(jià)手術(shù)效果，應(yīng)用AI進(jìn)行美觀評(píng)估可以為臨床醫(yī)師和患者提供一個(gè)更為客觀的評(píng)價(jià)結(jié)果。此外，3D攝像及測(cè)量等技術(shù)的發(fā)展為面部年輕化術(shù)后效果監(jiān)測(cè)提供了量化工具，眼整形外科醫(yī)師可利用其對(duì)眼整形術(shù)后眼部形態(tài)的改變進(jìn)行預(yù)測(cè)［29］。

3 AI應(yīng)用的局限性

盡管AI在許多研究中均展現(xiàn)了其高效性與準(zhǔn)確性，但是將AI技術(shù)用于醫(yī)學(xué)領(lǐng)域尚存一定的局限性。（1）AI存在黑箱特性，即AI系統(tǒng)的不透明性。由于該特性的存在，在應(yīng)用AI進(jìn)行圖像分析時(shí)，操作者難以得到機(jī)器做出決策的直觀證據(jù)，理解AI網(wǎng)絡(luò)如何決策仍是應(yīng)用AI的一大挑戰(zhàn)［30］。（2）為了提高AI進(jìn)行預(yù)測(cè)的準(zhǔn)確性，往往需要大量高質(zhì)量圖像數(shù)據(jù)對(duì)機(jī)器模型進(jìn)行訓(xùn)練，但人面部的表情豐富且拍攝角度很難完全一致，表情、視角、遮擋等因素都會(huì)影響圖像數(shù)據(jù)的質(zhì)量，高質(zhì)量圖像難以獲得。其次，不同的種族、文化及個(gè)人偏好都造成了對(duì)美的不同理解，這使得數(shù)據(jù)庫(kù)難以統(tǒng)一［27］。（3）用于訓(xùn)練的圖像數(shù)據(jù)中的識(shí)別點(diǎn)需要手動(dòng)標(biāo)記，這也給臨床醫(yī)師帶來(lái)了極大的工作量，繁重的臨床工作使其無(wú)額外精力來(lái)處理圖像數(shù)據(jù)，這些都限制了數(shù)據(jù)庫(kù)建立的速度。雖然AI在圖像處理方面表現(xiàn)了其重要的性能，但它只是憑借視覺(jué)標(biāo)準(zhǔn)做出預(yù)測(cè)，疾病的診斷不僅需要視覺(jué)，還需要將臨床信息進(jìn)行整合，如果對(duì)AI做出的預(yù)測(cè)結(jié)果過(guò)于依賴(lài)，可能導(dǎo)致對(duì)某些重要信息的遺漏，因此將其直接用于臨床的安全性有待商榷［2］。

另外，在倫理學(xué)方面，Kohli等［31］將AI相關(guān)的倫理問(wèn)題分為三類(lèi)：數(shù)據(jù)、算法和實(shí)踐。為了維護(hù)數(shù)據(jù)質(zhì)量、安全以及為用戶(hù)使用，他們建議知情同意文件應(yīng)包括數(shù)據(jù)使用協(xié)議，并應(yīng)涉及記錄患者數(shù)據(jù)的第三方。與此同時(shí)，考慮到AI試圖優(yōu)化其所開(kāi)發(fā)的功能，醫(yī)師們應(yīng)在優(yōu)化算法和實(shí)踐中使其做到對(duì)患者最有利。今后，與該領(lǐng)域密切相關(guān)的計(jì)算機(jī)科學(xué)將是實(shí)現(xiàn)AI工具解決臨床、研究和教育問(wèn)題的關(guān)鍵所在。

4 小結(jié)與展望

隨著科技的發(fā)展，AI的應(yīng)用既帶來(lái)了機(jī)遇，也提出了挑戰(zhàn)。在整形外科中，AI在術(shù)前輔助診斷、手術(shù)方案的設(shè)計(jì)和手術(shù)后效果的評(píng)估中表現(xiàn)出了較大的應(yīng)用潛力。眼整形外科是一門(mén)精細(xì)的學(xué)科，AI精確的量化指標(biāo)彌補(bǔ)了僅靠目測(cè)與直覺(jué)的不足，用其進(jìn)行手術(shù)設(shè)計(jì)和模擬提高了術(shù)后效果的可預(yù)測(cè)性。盡管AI在應(yīng)用中展現(xiàn)出了許多優(yōu)越性，但其只是一種輔助手段，不能代替醫(yī)師進(jìn)行臨床決策，隨著技術(shù)的不斷發(fā)展，AI可以更好地幫助醫(yī)師進(jìn)行整形美容方面的評(píng)估和決策，在眼整形外科中將會(huì)有更廣泛的應(yīng)用。