Cell子刊 | 中山大学林浩添/梁小玲/林铎儒开发新的系统，有望实现缺血性视网膜疾病的全程智能辅助诊疗

缺血性视网膜疾病(IRDs)是一系列常见的致盲性疾病，其诊断和治疗依赖于准确的眼底荧光素血管造影(FFA)图像判读。

2023年9月20日，中山大学林浩添、梁小玲及林铎儒共同通讯在Cell Reports Medicine  在线发表题为“An artificial intelligence system for the whole process from diagnosis to treatment suggestion of ischemic retinal diseases”的研究论文，该研究开发了一个人工智能系统(Ai-Doctor)来解释FFA图像。

Ai-Doctor在图像相位识别(曲线下面积[AUC]，0.991-0.999，范围)、糖尿病视网膜病变(DR)和视网膜分支静脉闭塞(BRVO)诊断(AUC, 0.979-0.992)、非灌注区域分割(Dice相似系数[DSC]，89.7%-90.1%)和定量方面表现良好。将分割模型扩展到未遇到的IRDs(中央RVO和视网膜血管炎)，DSCs分别为89.2%和83.6%。提出了临床适用的缺血指数(CAII)来评价缺血程度；BRVO的CAII值超过0.17，DR的CAII值超过0.08可能与激光治疗的可能性增加有关。Ai-Doctor有望为IRDs实现准确的FFA图像解释，潜在地减少对视网膜专家的依赖。

眼科是最早探索人工智能(AI)技术潜在应用的医学专业之一。然而，以往的努力往往局限于眼部疾病的筛查或诊断。开发一个全面的人工智能模型，具有像医生一样思考的能力，从诊断到治疗建议，并扩展到具有共同特征的一系列疾病，将大大提高眼科保健服务的公平性和效率。

缺血性视网膜疾病(IRDs)是指由视网膜缺血引起的一系列具有共同特征的眼部疾病，包括糖尿病性视网膜病变(DR)、视网膜静脉闭塞(RVO)、视网膜血管炎等。其准确评估依赖于眼底荧光素血管造影(FFA)，这是一种公认的标准成像工具，在观察视网膜微血管特征方面具有不可替代的优点和可靠的便利，包括非灌注区(NPAs)、新生血管、和泄漏。这些都是评估IRDs疾病进展、治疗效果和治疗后消退程度的重要指标。

近年来，光学相干断层血管造影(OCTA)已被用于检测视网膜疾病的类似特征。但其临床应用刚刚起步，仅限于省会城市或经济发达的城市，存在一定的局限性，包括成本高、观察领域有限、合作要求较高等。因此，FFA仍然是评估视网膜疾病最常用的工具，特别是在欠发达地区。然而，在目前所有类型的眼科图像中，FFA图像的解释对眼科专业人员来说是最大的挑战，需要具有丰富临床经验的眼科医生或视网膜专家。因此，有些医院虽然提供FFA检查，但由于缺乏有能力可靠地解释图像的眼科医生，因此无法提供合格的FFA报告。

机理模式图（图源自Cell Reports Medicine ）

然而，使用FFA图像自动检测视网膜疾病的人工智能仍处于起步阶段。虽然一些FFA图像的研究已经实现了视网膜疾病荧光素特征的检测或分割，但它们主要集中在特定疾病上，如DR或RVO，而不是一系列疾病。此外，FFA图像解释还应包括识别FFA图像阶段并提供治疗建议。因此，现有的人工智能模型无法有效地减少眼科医生的参与，从而限制了它们在实际临床环境中的应用。虽然一些研究已经开始使用单个人工智能系统开发多种视网膜疾病的自动检测，但这种发展也需要多种视网膜疾病的大量图像。目前，还没有一种人工智能系统能够仅使用一种或两种典型疾病的图像同时自动检测和分割一系列IRDs，如果开发出来，将大大提高人工智能系统的开发效率和临床的普遍应用。

为了最大限度地发挥人工智能对眼科医生的辅助功能，该研究开发了一种综合的人工智能系统(AiDoctor)，实现FFA图像相位的自动识别、常见IRDs(包括DR和分支RVO [BRVO])的诊断以及FFA图像缺血区域的分割。自动NPA分割的应用扩展到其他未遇到的IRDs，包括中央RVO (CRVO)和视网膜血管炎。总之，Ai-Doctor有望使用迄今为止最多的FFA图像实现自动FFA图像解释和缺血程度量化，这在缺乏经验丰富的视网膜专家的临床环境中特别有用。

原文链接：

https://doi.org/10.1016/j.xcrm.2023.101197

转自：“iNature”微信公众号

如有侵权，请联系本站删除！