張曉培,黃建峰,李童燕,楊衛(wèi)華

0 引言

近視是一個重要的全球性公共衛(wèi)生問題,特別是在現(xiàn)代社會中,隨著數(shù)字化技術(shù)的普及和人們電子設(shè)備接觸時長的增加,近視的發(fā)病率呈現(xiàn)出令人擔(dān)憂的增長趨勢[1]。據(jù)統(tǒng)計,目前全球有超過14億的近視患者[2],而我國青少年的總體近視率更是遠(yuǎn)高于世界平均水平[3]。近視的危害不僅表現(xiàn)為視功能的下降,更在于其可能影響青少年的生長發(fā)育和身心健康。在我國,近視防控工作已不僅僅是醫(yī)療從業(yè)者的工作,更是一項重之又重的國家戰(zhàn)略?，F(xiàn)階段,近視防控工作仍然面臨諸多挑戰(zhàn):發(fā)病機(jī)制不明;近視篩查工作量大;高度近視風(fēng)險難以預(yù)測;療效不確定等[4]。顯然,傳統(tǒng)的醫(yī)療手段已經(jīng)難以滿足如今近視防控工作的需求。近年來,人工智能(artificial intelligence,AI)技術(shù)在醫(yī)療衛(wèi)生領(lǐng)域飛速發(fā)展[5-10],為解決近視防控工作的困境提供了新的思路。隨著AI技術(shù)的快速發(fā)展,其已逐步成為近視防控領(lǐng)域的重要工具。通過深度學(xué)習(xí)、計算機(jī)視覺和模式識別等技術(shù),AI可以處理大量的視覺數(shù)據(jù),并從中提取有價值的信息,為近視的早期篩查、診斷和治療提供新的機(jī)會和希望。AI的研究進(jìn)展涵蓋了多個方面,包括在近視的發(fā)生、進(jìn)展預(yù)測、監(jiān)測、預(yù)警病理性近視、近視防控治療和眼科遠(yuǎn)程醫(yī)療等方面的應(yīng)用。本文主要就近年來AI技術(shù)在近視防控領(lǐng)域取得的研究進(jìn)展進(jìn)行綜述。

1 AI概述

AI于1956年由約翰·麥卡錫首次提出,其本質(zhì)上是一種賦予計算機(jī)類似人類思維和行為方式的計算機(jī)科學(xué),被認(rèn)為是“第四次工業(yè)革命”[11]。AI發(fā)展初期的核心技術(shù)主要是機(jī)器學(xué)習(xí)(machine learning, ML)。其工作原理即:計算機(jī)編寫程序,后通過學(xué)習(xí)自己的程序以完成一項指定任務(wù)[12]。以彩色眼底照相為例,指定ML判讀輸入的照片處于正?；虿±頎顟B(tài),并標(biāo)記。ML為了完成此項任務(wù),需要學(xué)習(xí)海量的彩色眼底照相數(shù)據(jù)(訓(xùn)練數(shù)據(jù)集)并保留部分(驗證數(shù)據(jù)集)來驗證自己的算法[12]。與此同時,眼科專家需要逐一對這些彩色眼底照相進(jìn)行人工精確判讀、標(biāo)記,以供ML分析對照。在重復(fù)地對照,不斷地調(diào)整算法后,ML最終輸出理想結(jié)果。

由此可見,ML的工作依賴于眼科專家的精確標(biāo)記,十分耗時耗力。在此基礎(chǔ)上,不受人為因素影響的深度學(xué)習(xí)(deep learning, DL)技術(shù)應(yīng)運(yùn)而生。DL技術(shù)要點(diǎn)即通過多層神經(jīng)網(wǎng)絡(luò)模擬人類大腦的思維模式,利用輸入層與輸出層層間的代碼運(yùn)算,解密原始大數(shù)據(jù)間的關(guān)聯(lián),最終自動生成結(jié)果,不需要同時對數(shù)據(jù)進(jìn)行人工精確標(biāo)記[13]。近年來,AI技術(shù)與醫(yī)學(xué)影像的結(jié)合對眼科疾病的篩查、診斷及個體化治療產(chǎn)生了強(qiáng)大的推動力量[5-10]。在近視防控領(lǐng)域,AI技術(shù)的應(yīng)用仍處于探索階段。但依托屈光大數(shù)據(jù),通過AI技術(shù)進(jìn)行近視防控的多維度量化監(jiān)測評估,將會是未來近視精準(zhǔn)防控的新方向[14]。

2 AI在近視發(fā)生和進(jìn)展預(yù)測與監(jiān)測中的應(yīng)用

2.1AI在近視發(fā)生預(yù)測中的應(yīng)用臨床上,診斷近視多依賴于檢影驗光等檢查,其技術(shù)已趨于成熟,結(jié)合眼軸長度、睫狀肌麻痹等手段,檢查結(jié)果較為可靠。但現(xiàn)有的檢查手段多只能評估患者現(xiàn)階段的屈光狀態(tài),無法預(yù)測其未來是否會發(fā)生近視。此外,部分兒童及語言交流障礙者在檢影驗光過程中無法積極配合,該人群的近視度數(shù)評估工作常不能及時進(jìn)行,進(jìn)而延誤了治療,引起了視力不可逆轉(zhuǎn)的下降[15]。AI技術(shù)的出現(xiàn)使以上問題有了新的轉(zhuǎn)機(jī)。

2.1.1AI預(yù)測未來近視發(fā)生Ma等[16]基于DL開發(fā)了一款智能手機(jī)應(yīng)用程序,用以學(xué)齡前兒童的視力篩查。受檢者在暗室中使用該程序即可自動獲取瞳距、屈光不正范圍等數(shù)據(jù),結(jié)合預(yù)先輸入的個人信息,可得出近視發(fā)生的風(fēng)險。他們的研究指出,此項算法預(yù)測未來近視發(fā)生的敏感性和特異性分別為0.83和1.00。黃峻嘉等[17]采用5種集成學(xué)習(xí)方法對未來近視情況進(jìn)行預(yù)測,其中隨機(jī)森林模型預(yù)測效果最好,其預(yù)測未來近視發(fā)生的準(zhǔn)確率為92.8%,有較高的參考價值。

2.1.2AI基于眼科生物學(xué)圖像評估近視度數(shù)Varadarajan等[18]最早訓(xùn)練了一種可以根據(jù)彩色眼底照相的特征評估近視度數(shù)的DL算法。他們使用的2個數(shù)據(jù)集所預(yù)測結(jié)果的平均絕對誤差分別是0.56、0.91D,推斷黃斑中心凹是近視度數(shù)評估的關(guān)鍵區(qū)域。隨后Li等[19]的研究也提出,通過彩色眼底照相訓(xùn)練算法可以評估近視度數(shù)并獲得較高的精確度。

AI技術(shù)除了通過彩色眼底照相評估屈光度數(shù),近年來多項研究證實,其亦可以通過光學(xué)相干斷層成像(optical coherence tomography, OCT)等眼科檢查采集所得圖像進(jìn)行近視度數(shù)的評估。Yoo等[20]開發(fā)的一種DL算法證實,近視度數(shù)的評估可以基于OCT圖像。他們認(rèn)為,這種算法將有助于避免眼科醫(yī)生在進(jìn)行OCT判讀時忽視與近視相關(guān)的風(fēng)險評估。Yang等[21]訓(xùn)練了一種DL算法,可以通過患者眼表顳側(cè)鞏膜的圖像來預(yù)判近視度數(shù),且其診斷的敏感性和特異性均高于眼科醫(yī)生。此外,波前像差的數(shù)據(jù)與AI技術(shù)的結(jié)合在近視度數(shù)評估領(lǐng)域也逐漸有了一些成績。Rampat等[22]在學(xué)習(xí)了3792眼的波前像差數(shù)據(jù)后訓(xùn)練了一種DL模型,成功準(zhǔn)確評估了另外350眼的主覺驗光度數(shù)。

因此,基于眼科生物學(xué)圖像的AI技術(shù)或可在檢影驗光之余,作為輔助手段用于部分兒童及語言交流障礙者的近視度數(shù)評估,逆轉(zhuǎn)該人群近視治療不及時的現(xiàn)狀。

2.2AI在近視進(jìn)展預(yù)測中的應(yīng)用近視一旦發(fā)展成病理性近視,將會引起多種眼底并發(fā)癥,造成視力不可挽救的下降。鑒于此,利用AI技術(shù)對學(xué)齡期兒童進(jìn)行近視進(jìn)展的預(yù)測,并在學(xué)齡階段為其提供精準(zhǔn)個性化的治療,將可能有效阻止其向高度近視甚至病理性近視發(fā)展[23]。

Yang等[24]基于小學(xué)生的眼部測量數(shù)據(jù)(如眼軸、角膜曲率等)和行為數(shù)據(jù)(如室內(nèi)外活動時間、飲食、行為習(xí)慣等)建立了青少年近視進(jìn)展的預(yù)測模型。研究結(jié)果表明,該模型具有良好的性能和準(zhǔn)確性。中山眼科中心劉奕志團(tuán)隊訓(xùn)練了一種ML模型,對國內(nèi)10a來8個眼科中心超過68萬的電子病歷中的年齡、等效球鏡和近視年進(jìn)展率等數(shù)據(jù)進(jìn)行分析,用以識別患者近視發(fā)展的規(guī)律,并預(yù)測是否會進(jìn)展為高度近視[25]。他們的研究結(jié)果顯示,對于18歲是否會進(jìn)展成高度近視的預(yù)測,該模型在3a內(nèi)的準(zhǔn)確率高達(dá)94%,5a和8a內(nèi)的準(zhǔn)確率也均超過了80%。該研究首次將龐大的數(shù)據(jù)與AI結(jié)合,為學(xué)齡期兒童近視進(jìn)展的預(yù)測工作做出了巨大的貢獻(xiàn),為未來近視的精準(zhǔn)防控提供了可行性證據(jù)。

2.3AI在近視監(jiān)測中的應(yīng)用隨著近視防控工作的全面開展,人們逐漸意識到對近視患者進(jìn)行有效的行為干預(yù)與近視的早期診斷同樣重要[26]。為了探討近視的發(fā)生發(fā)展與行為習(xí)慣的關(guān)系,Mrochen等[27]開發(fā)了一種名為Vivior Monitor的可穿戴設(shè)備來監(jiān)測6～16歲近視兒童的視覺行為。該設(shè)備監(jiān)測發(fā)現(xiàn),與低齡組相比,年齡較大兒童日常行為中看遠(yuǎn)時間少,使用電腦時間多。他們推測,年齡較大兒童近視的發(fā)生或與這些數(shù)據(jù)相關(guān)。

因此,保證充足的戶外運(yùn)動時間可有效預(yù)防近視的發(fā)生[28]。目前,研究者們致力于研發(fā)可以鼓勵兒童多進(jìn)行戶外運(yùn)動的可穿戴設(shè)備。新加坡眼科研究所開發(fā)了一種新型可穿戴追蹤器,配備一個智能手表連接手機(jī)APP,可以記錄兒童的戶外活動時間,并將反饋信息發(fā)送給父母,提醒他們及時糾正其子女的視覺行為[29]。

前文已述,Mrochen等[27]的研究提示近距離用眼(如使用電腦)與近視的發(fā)生發(fā)展相關(guān)。利用AI技術(shù),對該行為進(jìn)行干預(yù),將會是近視防控工作的一個重要環(huán)節(jié)。Cao等研發(fā)了一種附著在眼鏡側(cè)面的云傳感器設(shè)備,可以客觀動態(tài)地監(jiān)測配戴者的近距離工作時間[30-31]。如出現(xiàn)超短距離用眼或超長時間視近工作,該設(shè)備均會發(fā)出振動警報以提醒配戴者及時糾正以上不良行為。

3 AI在預(yù)警病理性近視中的應(yīng)用

病理性近視常伴有眼底并發(fā)癥如黃斑劈裂、視網(wǎng)膜脫離、脈絡(luò)膜新生血管等[32],如果治療不及時,將可能導(dǎo)致視力不可逆性的下降[33]。因此,對病理性近視患者而言,尤其是中青年患者,早發(fā)現(xiàn)早診斷早治療顯得尤為重要。然而,病理性近視的診斷高度依賴于眼底相關(guān)的影像學(xué)檢查,不僅過程費(fèi)時,更需要診斷醫(yī)生對檢查結(jié)果的高水準(zhǔn)判讀[34]。

近年來,AI技術(shù)在預(yù)警病理性近視方面的勢頭不容小覷。Hemelings等[35]開發(fā)了一種基于DL算法的模型,他們訓(xùn)練了400張彩色眼底照相,在成功診斷出病理性近視(AUC為0.9867)的同時,還對病理性近視引起的眼底病變進(jìn)行了分級。同時期不乏類似報道[36-37],均通過DL模型自動識別病理性近視的黃斑病變,并將后者進(jìn)行分級,證實了AI技術(shù)在預(yù)警病理性近視方面的能力。

此外,OCT的圖像報告也被AI技術(shù)研究者們用以輔助診斷病理性近視。Li等[38]為了識別包括視網(wǎng)膜裂孔、黃斑裂孔、視網(wǎng)膜脫離和脈絡(luò)膜新生血管在內(nèi)的4種病理性近視眼底并發(fā)癥,他們基于患者的OCT圖像訓(xùn)練了4個獨(dú)立的DL模型。最終研究顯示,該模型的AUC高達(dá)0.961～0.999,兼具高敏感性及高特異性。Sogawa等[39]同樣利用OCT圖像構(gòu)建CNN模型用以識別病理性近視的眼底并發(fā)癥,模型獲得了良好的敏感性和AUC評分。

4 AI在近視防控治療中的應(yīng)用

隨著如今醫(yī)療水平的不斷提升,AI技術(shù)的不斷推進(jìn),近視人群的早期診斷率有了大幅度的提升。在此基礎(chǔ)上,如果能夠給予及時有效的個體化治療手段,或許能夠最大程度降低該人群病理性近視甚至眼底并發(fā)癥的發(fā)生率。目前,被證實有效的措施包括低濃度阿托品滴眼液、周邊離焦框架眼鏡和角膜塑形鏡等[35]。

Wu等[40]使用多種ML模型回顧性分析了低濃度阿托品的使用對近視患者眼壓的影響。他們發(fā)現(xiàn),其中表現(xiàn)最好的是極端梯度提升(xtreme gradient boosting, XGBoost)模型,其在預(yù)測阿托品療效和潛在副作用等方面顯示出了較大的潛力。

既往研究證實,角膜塑形鏡驗配階段減少試戴次數(shù)可以明顯降低眼部感染的風(fēng)險[41]。Fan等[42]成功構(gòu)建了角膜塑形鏡重要參數(shù)定位弧(alignment curv, AC)的ML模型,以嘗試通過實現(xiàn)試戴次數(shù)的最少化來最大程度減少眼部感染的可能。該團(tuán)隊的另一項研究同樣肯定了AI技術(shù)在角膜塑形鏡驗配方面的應(yīng)用價值[43],他們基于患者的角膜地形圖訓(xùn)練了一種ML模型,可以準(zhǔn)確預(yù)測角膜塑形鏡反轉(zhuǎn)區(qū)深度(return zone depth, RZD)和著陸區(qū)角度(landing zone angle, LZA)。

5 AI在眼科遠(yuǎn)程醫(yī)療中的應(yīng)用

遠(yuǎn)程醫(yī)療作為醫(yī)療領(lǐng)域的一種新模式,可以通過提供遠(yuǎn)程醫(yī)療服務(wù)來解決偏遠(yuǎn)地區(qū)人們的醫(yī)療保健問題[44]。隨著AI技術(shù)的發(fā)展和5G通信網(wǎng)絡(luò)覆蓋范圍的擴(kuò)大,AI集成的遠(yuǎn)程醫(yī)療平臺逐漸在近視防控領(lǐng)域嶄露頭角。

基于AI技術(shù),護(hù)士等非眼科專業(yè)技術(shù)人員可在患者居家的情況下通過遠(yuǎn)程醫(yī)療平臺,獨(dú)立完成對其的近視度數(shù)評估等檢查[26]。近來,Zhang等[26]基于AI技術(shù),首次為近視患者制定了一個醫(yī)院-社區(qū)-家庭三位一體的個性化健康管理新模式。首先,大規(guī)模利用基于AI技術(shù)的便攜式設(shè)備定期對近視高危人群進(jìn)行篩查,并將檢查數(shù)據(jù)記錄在遠(yuǎn)程醫(yī)療平臺上。其次,利用AI對收集到的各類數(shù)據(jù)進(jìn)行分析,并對該人群的近視進(jìn)展風(fēng)險進(jìn)行分類,為其制定個性化的管理方案[45]。對尚未出現(xiàn)病理性近視及眼底并發(fā)癥的患者采取家庭監(jiān)測的方式,并將其監(jiān)測數(shù)據(jù)實時上傳至AI遠(yuǎn)程醫(yī)療平臺,初級醫(yī)療機(jī)構(gòu)可隨時讀取,一旦出現(xiàn)病情變化立即轉(zhuǎn)診至三級醫(yī)療機(jī)構(gòu)。而對需要手術(shù)的患者則提前應(yīng)用遠(yuǎn)程醫(yī)療平臺對其進(jìn)行術(shù)前篩查以評估手術(shù)風(fēng)險。

6 總結(jié)與展望

在近視防控領(lǐng)域,跨界融合、數(shù)據(jù)共享、精準(zhǔn)防控將會是未來的趨勢。AI作為一項新興的革命性技術(shù),不僅有效緩解了我國醫(yī)療技術(shù)人員緊缺的困境,同時也最大程度實現(xiàn)了患者利益的最大化。

本文從多個方面綜合闡述了近年來AI技術(shù)在近視防控領(lǐng)域的研究進(jìn)展。通過開發(fā)智能化的視力篩查系統(tǒng),AI可以在較短的時間內(nèi)對大量人群進(jìn)行視力檢查,快速發(fā)現(xiàn)潛在的近視問題。利用AI技術(shù),對個體的眼球結(jié)構(gòu)和眼部圖像進(jìn)行分析,預(yù)測近視的發(fā)展趨勢和風(fēng)險程度。此外,AI還可以在近視治療和近視相關(guān)行為監(jiān)測中發(fā)揮積極作用,通過個性化的治療方案和視覺訓(xùn)練計劃,幫助患者管理近視并改善視力。

盡管AI在近視防控領(lǐng)域的研究取得了重要進(jìn)展,但仍面臨一些挑戰(zhàn)。其中包括數(shù)據(jù)隱私和安全性、算法的可解釋性、缺乏長期的臨床驗證和實踐應(yīng)用等問題[46-47]。作為近視防控領(lǐng)域的從業(yè)者,我們需以積極的態(tài)度正視AI技術(shù)的發(fā)展。未來的研究將繼續(xù)關(guān)注這些挑戰(zhàn),并努力將人工智能技術(shù)應(yīng)用于近視的早期識別、個性化預(yù)防和有效管理。

隨著其技術(shù)的不斷完善與成熟,未來AI在真實臨床場景中診治的準(zhǔn)確性與穩(wěn)定性將逐步提高,現(xiàn)階段的倫理問題也將逐一被解決。然而,需要注意的是,AI技術(shù)并不能取代眼科醫(yī)生和專業(yè)人士的角色,而應(yīng)該作為輔助工具和決策支持系統(tǒng)來使用。未來,隨著技術(shù)的不斷進(jìn)步和臨床實踐的積累,AI有望在近視防控領(lǐng)域發(fā)揮更加重要的作用,為人們的眼健康保駕護(hù)航。