中大新聞網(wǎng)訊（通訊員唐艷麗）2022年6月1日，中山眼科中心張秀蘭教授團隊基于眼底彩照預測青光眼發(fā)病及進展的長文論著在Journal of Clinical Investigation（JCI，即時影響因子19.3）在線刊登。這是該團隊繼在NPJ Digital Medicine、Ophthalmology、Medical Image Analysis等發(fā)表10篇高質量青光眼人工智能論著后的又一豐碩成果。
該研究主要分為兩個部分：青光眼發(fā)病預測和進展預測。
發(fā)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(jīng)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(yī)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(shù)據(jù)，分為兩類：第一類為基線非青光眼而后續(xù)隨訪變?yōu)榍喙庋郏栃詷颖荆坏诙悶榛€非青光眼且后續(xù)隨訪一直保持非青光眼（陰性樣本）。基于上述數(shù)據(jù)，研究團隊開發(fā)發(fā)病預測模型，基于基線眼底彩照預測未來發(fā)生青光眼的概率。發(fā)病預測模型由分割模塊（Unet）與預測模塊（ResNet）兩部分組成（圖1），基于10357只眼（112個陽性樣本、10246個陰性樣本）的數(shù)據(jù)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(fā)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(yī)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）?；谏鲜鰯?shù)據(jù)，研究團隊開發(fā)進展預測模型，基于基線眼底彩照預測未來發(fā)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（圖1），基于3003只眼（327個陽性樣本、2676個陰性樣本）的數(shù)據(jù)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(jù)視盤邊緣和盤沿上、下血管弓區(qū)域，與臨床醫(yī)生評估青光眼損傷時的關注點極為相似（圖2）。
該研究首次在大樣本縱向眼底彩照數(shù)據(jù)上實現(xiàn)了基于基線數(shù)據(jù)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(fā)展為青光眼或青光眼患者視野進展的風險。該成果有三大亮點：1）首次實現(xiàn)基于AI的青光眼發(fā)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；2）青光眼發(fā)病預測數(shù)據(jù)來自社區(qū)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；3）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(xiàn)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(xiàn)了較高的預測準確性。
圖1. 用于青光眼發(fā)病和進展預測的深度學習系統(tǒng)設計、驗證流程示意圖
圖2. 深度學習模型熱圖提示人工智能模型預測發(fā)?。ˋ、B）及進展（C、D）主要關注視盤邊緣和盤沿上、下血管弓區(qū)域，與臨床上的關注點極為相似
該論文第一作者為李飛（中山眼科中心，排名第一）、蘇遠東（四川大學）、林鳳彬（中山眼科中心）、李志煥（澳門科技大學）；張秀蘭（中山眼科中心，最后通訊作者）、張康（澳門科技大學）為并列通訊作者。中山大學中山眼科中心、眼科學國家重點實驗室及廣東省眼部疾病臨床醫(yī)學研究中心為第一單位。國內23家單位共28個研究者共同參與了此項研究。
近年來，在中山眼科中心臨床研究中心平臺支持下，張秀蘭教授團隊從青光眼數(shù)據(jù)庫構建到算法開發(fā)進行了深入探索，創(chuàng)建了目前國際上最完備的集青光眼預防、篩查、診斷一體化智能系統(tǒng)（iGlaucoma），發(fā)表了16篇相關高質量論著，10篇發(fā)表于中科院醫(yī)學類1區(qū)期刊，包括NPJ Digital Medicine、Ophthalmology、Medical Image Analysis、IEEE Transactions on Medical Imaging等，申請中發(fā)明專利9項（含2項PCT專利）、獲批1項，獲批軟件著作權1項。建立了全球最大的眼科多病種精標數(shù)據(jù)共享平臺iChallenge支撐292篇科研論文發(fā)表（截至2022年4月26日），團隊牽頭制定我國首個關于眼底彩照數(shù)據(jù)質量控制規(guī)范的團體標準《眼底彩照標注與質量控制規(guī)范（T/CAQI 166-2020）》并在WHO-ITU立項（編號SG16-TD227/WP2），為規(guī)范新興的眼科AI發(fā)展做出了重要貢獻。未來團隊將繼續(xù)探索應用AI技術簡化、統(tǒng)一青光眼診療流程，實現(xiàn)青光眼診療標準化、數(shù)字化、智能化。
論文鏈接：https://doi.org/10.1172/JCI157968
