对用于识别青光眼的机器学习技术进行了深入分析

《International Ophthalmology》：An extensive analysis of machine learning techniques for identifying glaucoma

青光眼是一种进行性视神经病变，也是全球致盲的主因之一。机器学习（ML）算法在早期诊断中展现潜力，多模态数据融合（如眼底图像与OCT）提升效果，但仍存在数据整合不足、泛化能力有限、可解释性差等问题。研究强调需构建标准化框架、优化数据集，以提升ML诊断的可靠性和临床接受度，文献数量（2019-2024）显示领域关注度波动上升。

　　

摘要

青光眼是一种进行性的视神经病变，是全球导致永久性失明的主要原因之一。机器学习（ML）算法最近被证明是诊断青光眼的有效工具，而早期发现对于预防视力丧失至关重要。本文综述了机器学习算法在青光眼诊断方面的最新进展、性能、不足之处以及临床应用。将包括眼底图像和光学相干断层扫描（OCT）在内的多种成像模式与机器学习模型相结合时，取得了令人鼓舞的结果。然而，仍存在多模态数据整合不佳、泛化能力有限以及缺乏可解释性等问题。本研究强调了多模态技术、可解释模型和强大数据集在提高机器学习算法诊断准确性和可靠性方面的作用。为了实现临床应用，提出了许多进一步研究的建议，包括建立标准化框架和控制数据多样性。因此，本文突显了机器学习在青光眼诊断领域的当前和未来潜力。共回顾了2019年至2024年间的30篇相关论文，研究活动呈增长趋势：2019年至2021年每年回顾3篇论文，2022年增加到5篇，2023年达到9篇峰值，2024年降至7篇，这反映了人们对这一主题兴趣的持续增长但有所波动。这一趋势表明该领域的研究兴趣和文献数量正在不断增加。