人工智能在眼前节疾病诊断中的应用指南(2023)

发布日期:
2023-09-07
制定者:

《人工智能在眼前节疾病诊断中的应用指南(2023)》专家组

中国医药教育协会

国际转化医学会眼科专业委员会

中国眼科影像研究专家组

出处:
国际眼科杂志.2023.23(9):1421-1430.
AI大纲:

制定立场说明

  • 所有参与制定专家均坚持客观立场,以专业知识、研究数据和临床经验为依据,经充分讨论、全体专家一致同意后形成指南
  • 由中国医药教育协会眼科影像与智能医疗分会及国际转化医学会眼科专业委员会部分专家起草
  • 指南制定未接受任何企业赞助,所有作者均声明不存在利益冲突

指南制定目的

  • 结合国内外AI在眼前节疾病诊断中的最新进展,明确相关应用方向,分析当前挑战与未来发展方向
  • 辅助眼科临床医生应用AI开展眼前节疾病诊断决策及临床研究

眼前节相关概述

  • 眼前节指眼睛前三分之一,包含结膜、角膜、前房、虹膜、瞳孔、睫状体、晶状体,是光线通过的屈光路径
  • 角膜、晶状体为核心屈光结构,损伤可导致视力障碍甚至失明,白内障、未矫正屈光不正为全球前两位致盲原因,占总失明原因的55%

眼前节疾病诊断基础

主要诊断成像模式

  • 裂隙灯检查图像、前节光学相干断层扫描(AS-OCT)图像、角膜地形图、角膜内皮显微镜、共聚焦显微镜、结构化数据

AI基础原理

  • AI指机器模拟人类智力推理、决策、行为的技术
  • 机器学习为AI分支,通过样本训练数据构建模型(Logistic回归、人工神经网络、决策树等)实现无明确编程下的预测或决策,高维输入数据处理能力有限
  • 深度学习为人工神经网络的最新演进,可自动完成复杂多级数据提取,无需手动标记特征,代表模型为卷积神经网络、递归神经网络,在图像识别等领域表现突出

AI模型构建流程

  • 系统数据准备(图像预处理、数据质量控制、数据增量)
  • 数据集随机划分,采用五折交叉划分训练集与测试集
  • 模型构建与优化,可结合代价敏感优化调整参数
  • 模型评估,采用敏感度、特异性、准确性、F1-score等指标评价性能

AI在眼前节疾病诊断中的临床应用

角膜疾病与角膜手术

感染性角膜炎

  • 疾病特点:病原菌培养阳性率低、缺乏病原特异性,易合并多微生物感染(占比2%~15%),临床诊断准确率仅33%~80%,早期诊疗可改善预后
  • AI应用:可识别角膜炎病因、提升诊断准确率,部分人工神经网络分类器区分细菌、真菌性角膜炎的特异度可达76.5%、100%;深度学习算法可分割裂隙灯图像中的眼部结构、标注病理特征,自动识别分割基质浸润、前房积脓、白细胞边界、角膜水肿等病理标志物

圆锥角膜

  • 临床难点:早期及疑似圆锥角膜诊断难度大,是屈光手术前筛查的核心内容
  • AI应用:可基于角膜地形图、Scheimpflug相机、AS-OCT等多来源影像特征区分正常眼与早期圆锥角膜,部分模型检测早期圆锥角膜的灵敏度最高可达94.1%、AUC最高可达0.985;整合多仪器来源的不同维度角膜信息可提升早期检测准确率

糖尿病性角膜神经病变

  • 临床价值:角膜共聚焦显微镜可定量角膜基底下神经丛,用于糖尿病周围神经病变的早期筛查
  • AI应用:深度学习算法可自动分析角膜共聚焦图像中的神经纤维长度、分支、弯曲度等参数,诊断糖尿病周围神经病变的准确率最高可达96%、AUC最高可达0.95,检测性能优于传统自动分析软件

角膜营养不良

  • AI应用:可精准识别角膜营养不良及变性,部分模型诊断AUC可达0.939,灵敏度、特异度优于眼科医生平均水平;深度学习算法可自动区分健康角膜、早期/晚期Fuchs内皮角膜营养不良,检测晚期病变的灵敏度达100%,AUC最高可达0.998,可实现疾病严重程度的高精度分级

角膜手术

  • 屈光手术:AI可用于术前筛查医源性扩张高风险人群,部分深度学习筛查系统诊断早期圆锥角膜的灵敏度达90%,总体准确率95%,AUC达0.99,假阳性率仅1.7%,准确性优于传统扩张显示分类器
  • 角膜移植术:AI可辅助评估角膜移植手术指征,预测深前板层角膜移植术中大气泡形成成功率(AUC达0.75);自动检测Descemet膜内皮角膜移植术后移植物脱离,灵敏度达98%、准确率96%;还可更精准地分析术后角膜内皮细胞密度、变异系数等参数,测量成功率达98.4%,优于传统分析软件

结膜疾病

  • 翼状胬肉
    • 可基于眼前节图像开发自动分级、诊断系统,准确率最高可达94.68%,诊断一致性高
    • 轻量级模型可嵌入手机,支持用户自我筛查
    • 可通过梯度加权类激活映射实现模型分类过程可视化,定位的病变区域与实际位置高度一致
  • 过敏性结膜炎
    • 可通过软件量化裂隙灯照片中球结膜充血程度,评估炎症严重程度
    • 深度学习模型可实现充血严重程度分级,与临床专家分级高度一致,减少评分者主观差异

晶状体疾病

  • 年龄相关性白内障
    • 可基于多类型图像实现自动诊断、分级及筛查,分级准确率最高可达92.7%
    • 可预测后发性白内障进展、诊断术后后囊膜混浊,准确率最高可达92.2%
    • 可优化人工晶状体度数计算,提升现有计算公式的预测准确性
  • 先天性白内障
    • 可基于非影像学信息识别高危人群,AUC可达0.94~0.96,鉴别力较高
    • 可预测术后高眼压、视轴混浊等长期并发症,辅助患者随访管理

眼睑肿瘤

  • 眼睑恶性肿瘤早期识别可显著改善患者预后,早期发现5年生存率可超过99%
  • 良恶性肿瘤特征重叠,经验不足的医师鉴别难度大,深度学习算法可实现恶性肿瘤早期自动识别、自主定位

AI辅助诊断的挑战与应对策略

  • 图像标准化难度高、标注数据获取耗时
    • 应用半监督、无监督学习方法,降低对大规模标记数据的依赖
    • 合规采集反映真实诊疗场景的大型异构队列数据集
  • 算法外部验证效果不佳
    • 优化图像质量、拍摄设备适配性,提升患者检查配合度
  • 样本量小、数据集存在偏差
    • 扩大训练样本量,建立图像质量评估系统,纳入前从分辨率、特征完整性、来源、解剖结构、失真度等多维度评分筛选图像
  • 模型“黑匣子”效应
    • 开发具备可检查决策步骤、可解释性的算法,明确模型决策依据

未来发展方向

  • 结合自动检测系统与远程医疗,扩大优质医疗服务覆盖范围,加强转化研究,缩小算法与临床落地的差距
  • 挖掘电子健康记录等大数据资源,用于AI系统训练开发
  • 拓展AI在角膜疾病、白内障筛查、屈光手术等领域的应用
  • 研发持续学习技术,支持AI系统在动态环境中不断学习更新,提升跨任务知识迁移能力

小结

  • AI可从训练集中提取疾病特征,实现疾病分类、分期诊断
  • AI可自动检测、分割图像中的解剖结构与病变,量化图像生物标志物,辅助临床诊断,应用潜力大、前景广阔

免责相关说明

  • 指南内容仅为参与制定专家的指导意见,供临床医师参考,并非强制性意见,与指南不一致的做法不代表错误或不当
  • 指南仍存在不全面之处,临床实践中仍有诸多问题待探索,后续将结合新的临床经验、治疗手段定期修订更新
展开全部

部分内容仅可在
临床指南app 查看下载

阅读免费指南
发送到邮箱

收藏

分享

评论
提交评论
zl_27
2023.09.08
回复
不用到处查指南了,非常赞!
/ 没有更多了 /
置顶