专家述评眼科人工智能技术的现状与问题

陈有信1，张碧磊1，张弘哲2

1.中国医学科学院北京协医院眼科;2.中国医学科学院北京协和医学院

关键词：人工智能;糖尿病视网膜病变;黄斑变性;青光眼;述评

引用本文：陈有信,张碧磊,张弘哲.眼科人工智能技术的现状与问题.中华眼底病杂志,,35(2):-.doi:10./cma.j.issn.-..02.

摘要

近年来，人工智能（AI）技术发展迅速，已经成为医学领域的研究前沿热点之一。基于人工神经网络的深度学习算法是其中最具代表性的工具。眼科学的进步有赖于多种影像手段的进步，而AI技术的便捷性和高效性使其在眼科疾病筛查、诊疗以及随访中表现出巨大的应用前景。当前，眼科AI技术的相关研究围绕多病种和多模态两个方面展开，在眼科常见疾病方面已经有许多有价值的成果相继报道。需要强调的是，眼科AI产品在实际应用方面仍然面临一些问题，监管机制和评价标准尚未形成一个完整和统一的体系，在大范围投入临床使用前还有诸多方面亟待优化。眼科AI技术的创新是多学科融合的产物，对我国公共卫生事业具有相当重要的意义，也必将在临床实践中使广大患者获益。

正文

人工智能（AI）是计算机科学的一个分支，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，其研究领域包括机器人、语言识别、图像识别、自然语言处理和专家系统等。实际上，自计算机发明以来，AI的概念就一直在起起伏伏中发展，但受制于技术水平和条件，发展较慢。近年来，得益于大数据科学的蓬勃发展、计算机性能的显著提升以及相关研究工具的成功开发，AI研究已经走上前所未有的快车道；而AI在医学领域中的应用更是得到了空前发展。AI得以实现要归功于合理的工具与方法论，其中最为常用的是机器学习（machinelearning），它是人工智能技术的一个子集，其核心是使用统计的方法/算法和大量的数据训练，让计算机随着“经验”的加强来提升能力。它包括数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、DNA序列测序、语音和手写识别、机器人等运用。深度学习（deeplearning）是机器学习的子集，它让基于多层神经网络的计算成为可能。深度学习作为机器学习的一种实现方法，基本原理是构建出模仿人类神经系统的多层人工神经网络（artificialneuralnetworks），并在海量数据集的基础上进行反复多次的自我训练，使其具有像人脑一样高效的模式识别能力和学习能力。此外，在深度学习的众多分支当中，卷积神经网络（convolutionalneuralnetworks）被广泛用于图像的模式识别，因为它更接近于实际存在的生物神经网络结构，所以在计算机视觉中表现出色。尤其是基于深度学习的语义分割，是自然图像分割的最优解，在如火如荼的眼科AI研究当中，就用到了大量的卷积神经网络技术。现代眼科学的发展与多种影像技术手段的进步密不可分；因此，AI在眼科影像学领域已经成为当前研究热点。AI及深度学习在多模态图像分割与数据合成、自动分类及描述、数据分析量化和可视化方面取得了前所未有的成果，其临床应用的潜力体现在筛查评估、辅助诊疗和监测随访等诸多方面，这将有助于实现诊疗的个体化和大规模管理，并辅助眼科医师提供高质量的诊断或治疗[1]。

1眼科AI技术的研究现状

1.1

糖尿病视网膜病变（DR）

DR造成的视力损害已经是一项全球密切