眼科人工智能研究发展存在的挑战及应对

人工智能技术的兴起给眼病诊疗带来了颠覆性的变革, 为眼科影像诊断技术提供了全新的智能辅助诊断模式。然而, 随着临床应用反馈和需求的不断变化, 眼科人工智能研究面临着一些挑战, 包括缺乏标准化的数据集和共享平台, 算法模型单一, 跨模态信息融合不足, 以及缺乏临床可解释性等问题。为了满足眼科人工智能研究的新需求, 我们需要努力建设眼科数据标准及共享平台, 突破核心智能算法创新, 并建立临床逻辑可解释的眼病筛查、诊断、预测模型。此外, 与5G、虚拟现实、手术机器人等前沿技术的深度融合, 也将推动我国眼科智能医学发展进入新的阶段。     

人工智能及其在眼科疾病诊疗中的应用

随着诊断技术的进步,人们对眼部的结构及其相关病变有了更为深入的了解:角膜共聚焦显微镜可提供角膜内不同层次的详细视图;而数字图像则能提供丰富的形态数据集。为了能够自动提取与眼科疾病相关的临床信息,在对正常角膜进行评估的同时识别异常的角膜,人们将人工智能（artificial intelligence,AI）与眼部结构联系起来。与传统的信息处理技术相比,AI具有更高的准确性,并能进行快速、无创的综合分析。基于神经网络的机器学习和深度学习方法能够识别、定位和量化大量眼科疾病中的病理特征,并作出推断或预测。AI的应用前景包括自动检测疾病的发生、筛选、诊断分级以及治疗指导,治疗效果的量化以及全新治疗方法的鉴定。预测和预后功能进一步扩展了AI在眼科中的应用潜力,这将实现医疗保健的个体化以及大规模管理,协助眼科医生提供高质量的诊断和治疗,并应对更复杂的临床难题。     

眼科人工智能研究的相关问题

目前人工智能(AI)在多种眼科疾病的诊断治疗中取得了日益广泛的应用,但依然存在很多问题。由于AI产品的准确性缺乏标准测试集、金标准以及公认的评价体系,难以对多项研究结果进行横向比较。而在图像生成领域,评价体系更存在较大空白。在临床应用中,眼科AI研究常与临床实际需求脱节,被寄予了过高的期望,且对临床数据的质量及数量均具有较高的要求,限制了AI研究成果转化。利用眼底影像对全身性疾病进行预测、识别是新晋的研究热点,但其研究结果缺乏可解释性,限制了临床医生的接受度。眼科AI研究也因缺乏完善的法律规定、监管机制,涉及患者隐私风险及数据安全,且存在因商业化加重医疗资源不公平性的风险,而饱受伦理争议。     

人工智能在眼科临床护理中的需求调查

目的:分析眼科护理对人工智能技术应用的内在需求,为眼科医院临床的人工智能技术开发及应用提供导向与依据.方法:采用整群抽样和单纯随机抽样相结合的方法,于2019年7月至2019年8月,对抽取的中山大学中山眼科中心,中山大学附属第一医院、珠海市人民医院、无锡人民医院、新疆维吾尔自治区人民医院等目标医院其中的眼科护理人员进行...     

人工智能在小儿眼科领域的应用研究进展

近年来人工智能(artificial intelligence,AI)技术发展迅猛,在医学领域的实践与应用为医疗行业的发展带来新可能。在普通眼科领域,基于机器学习(machine learning,ML)的人工智能技术极大提高了诊断效率,但在小儿眼科方面取得的进展较少。目前人工智能技术已运用于自动检测早产儿视网膜病变(retinopathy of prematurity,ROP)、儿童白内障,检测斜视和屈光不正,预测未来高度近视,通过眼动追踪诊断阅读障碍以及对眼科图像的研究等方面。本文对人工智能在小儿眼科的应用现状、进展与未来发展做一综述。     

积极推进我国神经眼科学的发展

神经眼科学是眼内科的一个分支,主要关注与眼的知觉和运动相关的神经系统病变,包括眼的运动、瞳孔反应、影响视觉的脑部和神经系统结构改变等.虽然我国的神经眼科学已经得到了一定的发展,但还存在着一些问题,表现为我国尚未形成神经眼科学的专业队伍和相关的学术组织;神经眼科学的知识尚不够普及;相关的研究工作开展不够;对于新技术的吸收和应用不够;与其他相关学科的配合和合作也不够.我们应当采取一些措施,积极推进我国神经眼科学的发展,包括在眼科学的发展中形成我国神经眼科学的专业队伍;在眼科医师中普及神经眼科学的知识;加强神经眼科学疾病的研究工作;寻求机会,加强国际合作,促进我国神经眼科学的发展.     

人工智能聊天机器人助力眼科和科学论文写作

人工智能聊天机器人ChatGPT是使用深度学习技术、能对自然语言输入产生类似人类反应的一种大型语言模型(LLMs)。它由OpenAI公司在2022.11开发，属于“生成预训练转换器(GPT)”模型家族的一种，目前可为公众所用。ChatGPT能够捕捉人类语言的细微差别和复杂性，生成适当的、与上下文相关的响应。它可以帮助医务人员完成各种任务，如研究、诊断、患者监护和医学教育，从确定研究课题到协助临床和实验室诊断，了解各自领域的新进展和科学写作。ChatGPT在眼科已吸引了越来越多的关注和广泛应用。然而，目前在这些任务中使用ChatGPT和其他人工智能工具仍存在一定的局限性、伦理和法律问题，如可信度、剽窃、版权侵犯和偏见。未来的研究将集中在开发新的方法来减轻这些局限性，同时发挥ChatGPT在医疗等相关方面的积极作用。     

人工智能在眼科领域不同年龄段人群中的研究进展

以机器学习和深度学习为基础的人工智能在最近几年引发了全球范围内的极大关注.在儿童眼科方面,人工智能已涉及早产儿视网膜病变、近视防控、小儿斜视和屈光不正等方面的自动检测应用;在成人眼科方面,AI被更多的用于糖尿病视网膜病变、青光眼、白内障以及眼前节异常的诊疗中.本文系统综述了人工智能在眼科领域儿童和成人两个不同年龄段人群...     

加强学科交叉促进我国神经眼科学的发展

神经眼科学是一门交叉性极强的学科,通过交叉学科的发展推动我国神经眼科的发展是当今发展的趋势.在相关学科不断取得新的突破的同时,加强神经眼科与其他学科的交叉联合,正确把握学科交叉热点,引进前沿研究成果,组建创新型团队,突出导向性研究,对促进我国神经眼科快速发展大有裨益.     

人工智能大模型在眼科临床的应用

大模型是指使用海量通用数据预训练的模型。不同于人工智能模型通常只为特定任务开发, 其可通过微调完成各类相关任务, 具有广泛覆盖各种医学应用需求的潜力, 更加符合临床实践需求, 有望提高医疗效率和质量, 是新一代人工智能模型的研究热点。本文针对大模型的基本概念和现状、医学应用及其面临的挑战进行分析和总结, 为眼科临床医师了解医学大模型及其在眼科的潜在应用前景, 理性应用眼科大模型, 推动智能医学进入新阶段提供参考。     

Application of artificial intelligence in ophthalmology

Artificial intelligence is a general term that means to accomplish a task mainly by a computer, with the least human beings participation, and it is widely accepted as the invention of robots. With the development of this new technology, artificial intelligence has been one of the most influential information technology revolutions. We searched these English-language studies relative to ophthalmology published on PubMed and Springer databases. The application of artificial intelligence in ophthalmology mainly concentrates on the diseases with a high incidence, such as diabetic retinopathy, age-related macular degeneration, glaucoma, retinopathy of prematurity, age-related or congenital cataract and few with retinal vein occlusion. According to the above studies, we conclude that the sensitivity of detection and accuracy for proliferative diabetic retinopathy ranged from 75% to 91.7%, for non-proliferative diabetic retinopathy ranged from 75% to 94.7%, for age-related macular degeneration it ranged from 75% to 100%, for retinopathy of prematurity ranged over 95%, for retinal vein occlusion just one study reported ranged over 97%, for glaucoma ranged 63.7% to 93.1%, and for cataract it achieved a more than 70% similarity against clinical grading.     

Current state and future prospects of artificial intelligence in ophthalmology: a review

Artificial intelligence (AI) has emerged as a major frontier in computer science research. Although AI has broad application across many medical fields, it will have particular utility in ophthalmology and will dramatically change the diagnostic and treatment pathways for many eye conditions such as corneal ectasias, glaucoma, age‐related macular degeneration and diabetic retinopathy. However, given that AI has primarily been driven as a computer science, its concepts and terminology are unfamiliar to many medical professionals. Important key terms such as machine learning and deep learning are often misunderstood and incorrectly used interchangeably. This article presents an overview of AI and new developments relevant to ophthalmology.     

基于机器学习的人工智能技术在眼科中的应用进展

随着现代人工智能(artificial intelligence,AI)技术的高速发展,其在不同领域的实践和应用已逐渐开展,医学领域也不例外,基于机器学习的人工智能技术在眼科中的应用便是其中之一。许多眼部疾病的诊断很大程度上依赖于眼科辅助检查结果,而大部分眼科辅助检查都以影像学检查为主。眼部图像精细、复杂、信息量大,诊断结果常受限于医生的知识水平与临床经验,主观性较强,耗时耗力。通过与计算机相结合的机器学习的人工智能技术在眼科中的应用,极大地提高了临床工作中眼科疾病的诊断效率,减轻了眼科医生的负担。本文旨在综合国内外学者在眼科领域开展人工智能技术的基础上,系统地展示基于机器学习的人工智能技术在眼科常见病中的应用进展、实际存在问题及对未来的展望。     

Guidelines on clinical research evaluation of artificial intelligence in ophthalmology (2023)

With the upsurge of artificial intelligence (AI) technology in the medical field, its application in ophthalmology has become a cutting-edge research field. Notably, machine learning techniques have shown remarkable achievements in diagnosing, intervening, and predicting ophthalmic diseases. To meet the requirements of clinical research and fit the actual progress of clinical diagnosis and treatment of ophthalmic AI, the Ophthalmic Imaging and Intelligent Medicine Branch and the Intelligent Medicine Committee of Chinese Medicine Education Association organized experts to integrate recent evaluation reports of clinical AI research at home and abroad and formed a guideline on clinical research evaluation of AI in ophthalmology after several rounds of discussion and modification. The main content includes the background and method of developing this guideline, an introduction to international guidelines on the clinical research evaluation of AI, and the evaluation methods of clinical ophthalmic AI models. This guideline introduces general evaluation methods of clinical ophthalmic AI research, evaluation methods of clinical ophthalmic AI models, and commonly-used indices and formulae for clinical ophthalmic AI model evaluation in detail, and amply elaborates the evaluation methods of clinical ophthalmic AI trials. This guideline aims to provide guidance and norms for clinical researchers of ophthalmic AI, promote the development of regularization and standardization, and further improve the overall level of clinical ophthalmic AI research evaluations.     

Artificial intelligence in individualized retinal disease management

Owing to the rapid development of modern computer technologies, artificial intelligence (AI) has emerged as an essential instrument for intelligent analysis across a range of fields. AI has been proven to be highly effective in ophthalmology, where it is frequently used for identifying, diagnosing, and typing retinal diseases. An increasing number of researchers have begun to comprehensively map patients’ retinal diseases using AI, which has made individualized clinical prediction and treatment possible. These include prognostic improvement, risk prediction, progression assessment, and interventional therapies for retinal diseases. Researchers have used a range of input data methods to increase the accuracy and dependability of the results, including the use of tabular, textual, or image-based input data. They also combined the analyses of multiple types of input data. To give ophthalmologists access to precise, individualized, and high-quality treatment strategies that will further optimize treatment outcomes, this review summarizes the latest findings in AI research related to the prediction and guidance of clinical diagnosis and treatment of retinal diseases.     

人工智能在眼科医疗管理过程中的应用:挑战与展望

人工智能(artificial intelligence,AI)为解决中国患者"看病难"问题提供了可行方案.眼科AI已实现为患者提供筛查、远程诊断及治疗建议等方面的服务,能显著减轻医疗资源不足的压力和患者的经济负担.而AI的应用过程中,给医疗管理带来的挑战应引起重视.本文从医疗管理的角度,总结分析AI在眼科医疗过程中,...     

人工智能在眼科领域的应用进展

随着经济全球化的不断发展,人工智能与医疗决策的关系越来越密切,在眼科领域也展现出独特的优势。目前人工智能更多地被用于视网膜疾病(糖尿病视网膜病变、年龄相关性黄斑变性、视网膜静脉阻塞、早产儿视网膜病变)及眼前节疾病(白内障、青光眼、眼前段异常)的诊疗。本文旨在综述人工智能在眼科领域的应用进展,并指出人工智能面临的潜在挑战及对应用前景的展望,为人工智能在眼科领域的进一步发展提供参考信息。