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...     

眼科人工智能临床研究评价指南(2023)

人工智能(AI)技术在医学领域的应用是当前的热点。眼科作为医学领域中的AI应用前沿专业之一,运用机器学习技术应用于诊断、干预和预测眼科疾病方面取得了显著的成果。基于眼科AI临床研究的需求,为契合眼科AI临床诊疗发展的实际情况,中国医药教育协会眼科影像与智能医疗分会和智能医学专业委员会组织专家结合近年来国内外AI临床研究的评价报告,经过多轮讨论和修改,形成了针对眼科AI临床研究的评价指南。该指南包括了眼科AI临床研究评价指南制定的背景和方法、AI临床研究评价的国际指南介绍、眼科AI临床研究评价方法等内容,详细介绍了眼科AI临床研究通用评价方法、眼科AI临床研究模型评价方法、常用眼科AI临床研究模型评价指标和计算公式,并详细阐述了眼科AI临床试验评价方法。该指南的制定旨在为眼科AI临床研究人员提供指导和规范,并推动眼科AI临床研究的评价向着规范化和标准化方向发展,进一步提高眼科AI临床研究评价的整体水平。     

把握挑战和机遇:人工智能与眼科诊疗

随着人工智能(AI)技术特别是深度学习的快速发展,AI在眼科领域的研究呈现出病种多样化、场景广泛化和研究深入化的趋势。AI在糖尿病视网膜病变、老年性黄斑变性、青光眼等眼科疾病的研究中表现出良好的性能,展现出眼科AI的巨大潜力。然而,目前多数研究尚处于初级阶段,眼科AI的运用仍面临结果可解释性欠缺、数据标准化缺乏和临床适用性不足等诸多挑战。同时也应看到,多模式影像学的发展、5G和物联网等数字技术和远程医疗的创新,以及视网膜状态能反映全身疾病的新发现都给眼科AI的发展带来了新的机遇。了解AI在眼科领域的研究现状,把握发展过程中的新挑战和新机遇,成功实现眼科AI从研究到实际运用的转化。     

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。     

人工智能在眼前段疾病的应用

随着人工智能(artificial intelligence,AI)技术的快速发展,基于深度学习(deep learning,DL)和机器学习的AI技术在医学领域上的应用受到了广泛的关注。AI在眼科的应用也逐渐向更全面更深入的层次发展,通过角膜断层扫描、光学相干断层扫描、裂隙灯图像等技术,AI在对角膜病变、结膜病变、白内障、青光眼等眼部疾病的诊断和治疗方面都表现出了良好的性能。然而AI在眼科的应用方面也存在一些诸如结果可解释性的欠缺、数据集标准化的缺乏、数据集质量的不齐、模型适用性的不足和伦理问题等挑战。在5G和远程医疗飞速发展的时代,眼科AI同时也有许多新的机遇。本文综述了AI在前段眼科疾病中的应用、临床实施的潜在挑战和前景,为AI在眼科领域的进一步发展提供参考信息。     

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。     

人工智能在圆锥角膜中的应用研究进展

圆锥角膜是一种高发于青少年的致盲性角膜疾病,早期诊疗可有效减少疾病晚期造成的视力损害并改善其预后。基于机器学习和深度学习的人工智能(AI)在圆锥角膜领域的研究主要包括圆锥角膜的早期筛查诊断和严重度分级、圆锥角膜进展预测及术后疗效预测等。文章总结近年常见的AI在圆锥角膜中的主要应用研究进展,并对其面临的挑战与未来前景进行展望。     

人工智能在干眼诊断中的研究进展

干眼(dry eye, DE)是世界范围内最常见的眼科疾病之一,患病率在5%～50%。由于病因复杂且诊断的相应设备有限,干眼尚不能得到及时、精准的诊断。近年来,随着人工智能(artificial intelligence,AI)在医学领域的广泛应用,利用机器学习和深度学习辅助检查干眼也得到了深入研究,如干涉测量、裂隙灯检查和睑板腺图像的分类和评估等。研究发现人工智能能够对干眼患者的测量数据和图像进行准确分析,灵敏度和特异度均可达90%以上。人工智能将在辅助临床医生客观诊断干眼、改善干眼患者生活质量方面具有巨大潜力。在这篇综述中,我们总结了人工智能在干眼领域的应用现状以及应用中潜在的挑战,展望了人工智能辅助诊断干眼的前景。     

婴幼儿眼病的人工智能应用

近年来随着医疗领域数字化、信息化建设的加速推进,人工智能的应用越来越广泛,在眼科医学方面尤为突出。婴幼儿处于视觉系统发育的关键时期,此时发生的眼病往往会造成不可逆的视功能损伤,带来沉重的家庭和社会负担。然而,由于婴幼儿群体的特殊性以及小儿眼科医生的短缺,开展大规模小儿眼病筛查工作十分困难。最新研究表明：人工智能在先天性白内障、先天性青光眼、斜视、早产儿视网膜病变以及视功能评估等领域已经得到相关应用,在多种婴幼儿眼病的早期筛查、诊断分期、治疗建议等方面都有令人瞩目的表现,有效解决了许多临床难点与痛点。但目前婴幼儿眼科人工智能仍然不如成年人眼科发展充分,亟须进一步的探索和研发。     

人工智能在眼科光相干断层扫描图像中的应用

人工智能(AI)作为计算机科学的前沿研究领域,在医学领域已有广泛的应用。眼科诊疗过程中产生大量影像学资料,而AI在图像识别方面具有极大优势,将AI应用于眼科影像已逐渐成为眼科领域的研究热点。目前,已有大量研究报道AI技术成功应用于眼科疾病的诊断、分型、分期、治疗途径和治疗效果随访跟踪,如闭角型青光眼、年龄相关性黄斑变性...     

人工智能在眼底影像分析中的研究进展及应用现状

近年来,眼科人工智能(artificial intelligence,AI)迅猛发展,眼底影像因易获取及其丰富的生物信息成为研究热点,眼底影像的AI分析在眼底影像分析中的应用不断深入、拓展。目前,关于糖尿病性视网膜病变(diabetic retinopathy,DR)、年龄相关性黄斑变性(age-related macular degeneration,AMD)、青光眼等常见眼底疾病的临床筛查、诊断和预测已有较多AI研究,相关成果已逐步应用于临床实践。除眼科疾病以外,探究眼底特征与全身各种疾病之间的关系并据此研发AI诊断系统已经成为当下的又一热门研究领域。AI应用于眼底影像分析将改善医疗资源紧缺、诊断效率低下的情况,为多种疾病的筛查和诊断开辟“新赛道”。未来眼底影像AI分析的研究应着眼于多种眼底疾病的智能性、全面性诊断,对复杂性疾病进行综合性的辅助诊断;注重整合标准化、高质量的数据资源,提高算法性能、设计贴合临床的研究方案。     

人工智能在近视防控中的初步应用

近视是视觉障碍的主要原因之一,患病率高且高度近视并发症后果严重,极大地加重了社会经济负担。应对近视的有效手段是尽早发现和及时控制。随着人工智能技术的飞速发展,机器学习、深度学习等技术在预测近视发生、监测近视进展及预警病理性近视方面表现出了较好的准确度和可靠性。基于屈光数据及眼轴、眼底照相、光学相干层析成像(OCT)图像等眼部生物学信息进行人工智能的近视预测,极大地提升了近视筛查和监测的自动化程度,提高了近视防控工作的工作效率和普及性。     

人工智能在眼前段疾病诊治中的应用

近年来,人工智能(AI)的蓬勃发展促进了其在医疗保健领域的推广与应用,同时也促进了医疗保健技术的革新与进步,尤其是在图像识别领域发挥出了无可替代的作用。眼科疾病的诊断十分依赖图像识别,AI在眼前段疾病的诊治方面取得了令人瞩目的成果,如感染性角膜炎的分类、圆锥角膜的筛查、晶状体混浊程度的分级、白内障手术视频的自动分期、白内障术后屈光状态的预测、闭角型青光眼的诊断等。AI有望帮助解决目前临床存在的诸多难题,实现对疾病的早期诊治,但也存在着黑箱过程难以解释、缺少公共数据集、算法过于复杂等问题。本文概述了AI在眼前段疾病中的应用现状,分析目前存在的不足以及未来的发展前景。     

人工智能技术在近视防控领域的研究进展

近视是引起视力损害的主要原因之一,近年来,其发病率逐年升高。有效的近视防控对于维持患者的视觉功能和生活质量非常重要。随着计算机大数据技术的不断发展,人工智能(AI)在医疗卫生领域飞速发展。机器学习和深度学习逐渐在近视防控领域崭露头角。通过对屈光度、眼轴、彩色眼底照相和光学相干断层扫描成像等近视相关数据的训练而形成的AI模型,借助远程医疗平台,人工智能在近视的发生、进展预测、监测、预警病理性近视、近视防控治疗和眼科远程医疗等方面均取得了积极的作用。本文主要就人工智能技术在近视防控领域的研究进展进行综述,旨在为未来近视防控工作提供新的方向。     

人工智能在视网膜疾病中的应用

视网膜疾病是眼科学领域最具研究挑战的病种之一,其发病机制复杂,对视功能损伤很大,是人类视力严重丧失的主要原因。近年来人工智能(artificial intelligence,AI)的发展和应用为视网膜疾病的解析提供了强有力工具。人工智能对常见视网膜疾病的应用主要包括早期筛查、诊断分级、疗效判定、治疗建议及预后发展等。但是任何技术的临床应用都有其局限性。本文将对AI在糖尿病视网膜病变(DR)、年龄相关性黄斑变性(ARMD)、早产儿视网膜病变(ROP)、青光眼性眼底改变(GON)等视网膜疾病中的应用和局限性进行综述。     

人工智能在眼整形外科中的应用

计算机的进步和数据的爆发使得人类迎来了第三次人工智能(AI)浪潮。AI是一门综合性的交叉学科，是汇集新思想、新理论、新技术等的新兴学科。AI给眼科学带来了便利，也推动了眼科学的智能化、精准化和微创化发展。现阶段，AI已经在眼科学多个领域中都得到了广泛的应用，尤其在眼整形外科领域中，AI在图像检测、面部识别等方面取得了快速进展，其性能及准确度在某些方面甚至已经超越了人类。本文综述了AI在上睑下垂、单睑、眼袋、眼睑肿物及眼球突出等眼整形外科中的相关研究和应用，探讨了当前AI在眼整形外科临床应用中面临的挑战与机遇，并对其未来发展前景进行展望，旨在为眼整形外科AI的发展提供新思路。     

基于深层卷积神经网络的眼科B型超声图像玻璃体视网膜疾病辅助诊断系统应用评估

目的:探讨一种基于深层卷积神经网络的眼科B型超声图像诊断系统的临床应用价值。方法:收集2018年1月至2020年10月于武汉大学人民医院眼科中心进行眼科B型超声检查的1 278例受试者3 600张B型超声图像,以此构建图像数据集,由3位资深专业眼科医师对图像进行标记。将数据集分为训练集2 812张图像和测试集788张图...     

人工智能在眼表疾病中的应用现况

近年来,随着计算机学科的进步与学科交叉融合的推进,人工智能(AI)在医学领域呈现出迅猛发展的态势,在眼科学也取得了许多突破性进展。既往AI在眼科学的应用研究大多集中在糖尿病视网膜病变、年龄相关性黄斑变性等眼底疾病。近年来,随着AI学习算法的改进以及大数据的开发利用,AI在眼科学的应用范围得以进一步拓展,越来越多的研究开始将AI应用于眼表疾病。本文综述了AI在圆锥角膜、翼状胬肉及角膜炎等眼表疾病中的相关研究和应用,探讨当前AI在眼科学临床应用中面临的挑战与机遇,并对其未来发展前景进行展望,旨在为眼科AI的发展提供新思路。     

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...