青光眼，哪裡跑！

青光眼：沉默的「視力竊賊」

青光眼（英文Glaucoma，中國古代稱為綠內障）是一系列會導致視神經受損，進而造成視力喪失的眼疾。由於該疾病進程極為緩慢，在很長一段時間內不會出現明顯癥狀，大多數患者直到後期都沒有意識到已經患病。

因此，青光眼又被形象地描述為「視力竊賊」或者「無形視力殺手」，是第二大致盲眼科疾病。由於其不可逆轉性，相比其他眼科疾病侵害性更強，因此在國際上受到廣泛關注。

目前全球青光眼患者約7000萬，預計到2020年青光眼將影響全球8000萬人，而我國是世界上青光眼患者數量最多的國家。其中，導致青光眼的因素主要包括眼壓持續升高、青光眼的家族病史、偏頭痛、高血壓等，這些因素通常導致視神經會受到壓迫而產生壓陷。

由於視神經損傷無法修復，一旦青光眼發現過晚，則會出現不可逆的視功能損傷甚至失明，如果青光眼在早期得到確診，經治療後多數患者可以保持現有視力。

所以，早期的青光眼篩查、診斷和治療是預防視神經損害和失明的關鍵。

經驗豐富的眼科醫生緊缺

世界各國特別是發展中國家面臨著醫療資源短缺，特別是有經驗的眼科醫生不足而且分布不均衡的現實挑戰。

以我國為例，目前專業眼科醫生只有3萬人左右，而且集中分布在一、二線大城市。因此，開展基於人工智慧的自動化低成本的青光眼篩查與輔助診斷演算法研究對於提高我國眼科醫療服務整體水準具有十分重要的現實意義。

圖1：不同程度青光眼患者的視盤視杯（第1行）和視野（第2行）：A正常人；B輕度青光眼患者；C中度青光眼患者；D重度青光眼患者

目前，青光眼的臨床診斷主要由經驗豐富的專業眼科醫生通過評估眼底圖的視杯與視盤的直徑比即杯盤比（Cup to Disk Ratio，CDR）來進行人工評估。如圖2所示，綠色和藍色分別表示為視杯和視盤。

然而，對於大規模群體的青光眼篩查，人工評估不僅效率低下，而且其評估品質很容易受醫生經驗不足和身體疲勞等主觀因素影響。因此，亟需開發杯盤比自動評估演算法以減輕眼科醫生的工作負擔，提高其工作效率與品質。

圖2：標註後的眼底圖（綠色圈為視杯；藍色圈為杯視盤）

人工智慧：給眼科疾病診斷提供高效的輔助手段

2016年，阿爾法狗打敗世界冠軍李世石後，把人工智慧推向了高潮。在中科院寧波材料所，由劉江研究員長官的「iMED」（imed.nimte.ac.cn）團隊就在眼科人工智慧領域取得了不俗的成績。

「iMED」團隊十餘年來深耕眼科人工智慧，彙集了出色的演算法科學家，與優秀的眼科醫院醫生合作獲取數據，同時建立了標註數據集，涉及各類眼科疾病（包括青光眼、白內障、年齡相關性黃斑病變、糖尿病視網膜病變、病理性近視、眼底血管病等）。

近年來，他們提出了一系列人工智慧診斷演算法，為眼科疾病診斷提供了高效的智能輔助手段，有效地提高了眼科疾病的診斷效率及精度。

以青光眼為例，「iMED」團隊是世界上第一個通過人工智慧分析杯盤比（CDR）來設計青光眼自動篩查診斷演算法的團隊，並且結合深度學習在內的機器學習方法不斷優化相關演算法，連續10年刷新行業內視杯視盤分割和基於眼底影像的青光眼診斷準確率的世界紀錄，並且使得人工智慧有了在眼科醫學影像中的可解釋性。

此外，根據前房角（也稱「隅角」，它是指角膜和虹膜之間的夾角）的不同狀態，青光眼可以分為開角青光眼和閉角青光眼，如圖3。後者多發於中老年女性和亞洲人群。兩種不同青光眼亞型的病因、治療手段和手術方案存在著顯著的差異，因此在臨床診斷中會通過前房角鏡進行精確的人工檢查。

圖3：開角青光眼AS-OCT影像（左列）和閉角青光眼AS-OCT影像（右列）。

近10年來，眼前節光學相乾斷層掃描（AS-OCT）影像技術飛速發展，逐漸在全球範圍內普及起來，為閉角青光眼的定性和定量分析提供了一種新的、非接觸、快速和準確的手段。

「iMED」團隊早在2008年就在新加坡開展了基於 AS-OCT 的閉角青光眼自動篩查研究，取得一系列技術突破，研發了全球第一個全自動閉角青光眼篩查系統 AGAR。2016年iMED團隊科研骨乾成建制回國後成立「iMED中國」團隊，推出了其更新版 AGAR+，它可以兼容市面上主流 AS-OCT 設備、 2D和3D掃描、不同解析度和不同長寬比。相關成果吸引了國際多個 AS-OCT 生產廠商的關注。

「iMED中國」團隊，藉助在海外的經驗和影響力廣泛吸收業內人才繼續深耕人工智慧在眼科影像中的的應用，同時拓展眼腦聯動、精準醫療、手術機器人和生物成像分析等方面的研究，立志為眼科疾病的人工智慧篩查和輔助診斷做出新的貢獻。