【 圖片來源：IBM Research Blog  所有者：IBM Research Blog 】

雷鋒網(wǎng)按：青光眼是世界上致盲的第二大原因，在40歲及以上的人群中，有3.5%的人受到青光眼的影響。2010年，有6050萬人受到這種疾病的影響，預計到2020年這一數(shù)字將升至8000萬人。雖然現(xiàn)有的治療方法可以阻止疾病的發(fā)展，但它們無法恢復視力。因此，早期發(fā)現(xiàn)和及時干預是青光眼臨床治療的重要問題。IBM Research與紐約大學就“青光眼治療”進行了一項研究，雷鋒網(wǎng)全文編譯如下：

視野測試反映了患者在整個視覺空間內(nèi)的視力范圍，并被用于診斷各種疾病。例如，青光眼引起的視覺神經(jīng)損傷會導致上視野和下視野的特征性視野缺損。雖然其他條件能夠以類似青光眼的方式影響視網(wǎng)膜結(jié)構(gòu)，但對視力的影響往往是非常不同的。因此，這些測試是診斷過程中不可或缺的一部分。

然而，由于這些測試完全依賴于患者的反饋，它們對患者的警覺性是主觀的。眾所周知，一天中的時間是影響患者在這些測試中的表現(xiàn)的一個因素，早晨的狀態(tài)要比午間的好。因此，一個人可能需要進行多次測試，來精確測量任何視力損失。

從生物學的角度來看，我們知道視覺功能和視網(wǎng)膜結(jié)構(gòu)之間存在關(guān)聯(lián)。這里出現(xiàn)了一個有趣的研究問題：我們能通過非侵入式技術(shù)成像直接從眼睛的結(jié)構(gòu)中估計視覺功能嗎？答案是肯定的，因為IBM的研究人員們已經(jīng)發(fā)現(xiàn)視網(wǎng)膜成像數(shù)據(jù)中的信息可以幫助評估青光眼的存在。

IBM Research與紐約大學合作開展了一項研究，采用數(shù)據(jù)驅(qū)動的方法，利用深度學習技術(shù)來探索這個問題，其研究以前所未有的精度從單個光學相干斷層掃描(OCT)圖像中估計視場指數(shù)(VFI)， Pearson相關(guān)系數(shù)為0.88。VFI是一個代表整個視野的國際指標，通過人工智能精確捕捉，為未來可能使用此分析快速評估患者視覺功能的技術(shù)奠定基礎(chǔ)。這可以讓專業(yè)人士在診斷青光眼收集數(shù)據(jù)時獲得更精確的信息，而不需要進行多次耗時的測試。

傳統(tǒng)的OCT結(jié)構(gòu)測量，如視網(wǎng)膜神經(jīng)纖維層(RNFL)厚度和神經(jīng)節(jié)細胞內(nèi)叢狀層(GCIPL)厚度，在青光眼目標位置已知的情況下都無法達到這個精確度。研究表明OCT捕捉到的結(jié)構(gòu)測量包含了與功能測量高度相關(guān)的信息，這在專業(yè)人員尋求診斷方法時非常有用。

青光眼的另一個重要挑戰(zhàn)是其進展速度，這需要仔細分析多次就診的數(shù)據(jù)。IBM的研究已經(jīng)使用機器學習解決了這個問題，它已經(jīng)表明可以預測未來訪問時的視覺功能測試結(jié)果?？傆幸惶?，這種能力可以幫助專業(yè)人士更好地預測疾病的開始和發(fā)展，并相應地調(diào)整治療方法。

這項研究將于4月28日至5月2日在加拿大溫哥華舉行的ARVO(視力和眼科研究協(xié)會)年會上發(fā)表。IBM研究團隊將與紐約大學一起，就青光眼檢測和管理的各個方面提出7篇摘要。

雷鋒網(wǎng)注：本文編譯自IBM Research Blog

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。