AI在医疗领域又有新发展！这次是在青光眼治疗上

【 图片来源：IBM Research Blog 所有者：IBM Research Blog 】按：青光眼是世界上致盲的第二大原因，在40岁及以上的人群中，有3.5%的人受到青光眼的影响。2010年，有6050万人受到这种疾病的影响，预计到2020年这一数字将升到8000万人。虽然现有的化疗方法可以制止疾病的发展，但它们无法完全恢复视力。

因此，早期找到和及时介入是青光眼临床化疗的最重要问题。IBM Research与纽约大学就“青光眼化疗”展开了一项研究，全文编译器如下：视野测试体现了患者在整个视觉空间内的视力范围，并被用作临床各种疾病。例如，青光眼引发的视觉神经受损不会造成上视野和下视野的特征性视野病变。虽然其他条件需要以类似于青光眼的方式影响视网膜结构，但对视力的影响往往是十分有所不同的。

因此，这些测试是临床过程中不可或缺的一部分。然而，由于这些测试几乎依赖患者的对系统，它们对患者的警觉性是主观的。

众所周知，一天中的时间是影响患者在这些测试中的展现出的一个因素，早晨的状态要比午间的好。因此，一个人有可能必须展开多次测试，来精确测量任何视力损失。

从生物学的角度来看，我们告诉视觉功能和视网膜结构之间不存在关联。这里经常出现了一个有意思的研究问题：我们能通过非入侵式技术光学必要从眼睛的结构中估算视觉功能吗？答案是认同的，因为IBM的研究人员们早已找到视网膜光学数据中的信息可以协助评估青光眼的不存在。

IBM Research与纽约大学合作积极开展了一项研究，使用数据驱动的方法，利用深度自学技术来探寻这个问题，其研究以前所未有的精度从单个光学相干性断层扫描(OCT)图像中估算视场指数(VFI)， Pearson相关系数为0.88。VFI是一个代表整个视野的国际指标，通过人工智能准确捕猎，为未来有可能用于此分析较慢评估患者视觉功能的技术奠下基础。这可以让专业人士在临床青光眼搜集数据时取得更加准确的信息，而不必须展开多次耗时的测试。传统的OCT结构测量，如视网膜神经纤维层(RNFL)厚度和神经节细胞内丛状层(GCIPL)厚度，在青光眼目标方位未知的情况下都无法超过这个精确度。

研究指出OCT捕捉到的结构测量包括了与功能测量高度涉及的信息，这在专业人员谋求临床方法时十分简单。青光眼的另一个最重要挑战是其进展速度，这必须仔细分析多次就医的数据。

IBM的研究早已用于机器学习解决问题了这个问题，它早已指出可以预测未来采访时的视觉功能测试结果。总有一天，这种能力可以协助专业人士更佳地预测疾病的开始和发展，并适当地调整化疗方法。这项研究将于4月28日至5月2日在加拿大温哥华举办的ARVO(视力和眼科研究协会)年会上公开发表。

IBM研究团队将与纽约大学一起，就青光眼检测和管理的各个方面明确提出7篇概要。(公众号：)录：本文编译器自IBM Research Blog版权文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：皇冠集团网站-www.keithloop.com