编辑推荐：
为解决视网膜疾病诊断和管理依赖多种成像方式，且治疗负担重等问题，研究人员开展人工智能在视网膜疾病管理方面的研究。结果显示，AI 在疾病筛查、诊断和治疗指导等方面表现出色。这有助于优化患者诊疗流程，减轻医疗系统负担。
在眼科医学领域，视网膜疾病是导致视力下降和失明的重要原因之一。随着全球老龄化加剧以及糖尿病等慢性疾病发病率的上升，视网膜疾病患者数量不断增加。像年龄相关性黄斑变性（AMD）、糖尿病视网膜病变（DR）等常见视网膜疾病，不仅给患者带来视力损害，还对社会经济造成沉重负担。目前，虽然在诊断和治疗方面取得了一定进展，如光学相干断层扫描（OCT）技术的应用和抗血管内皮生长因子（anti-VEGF）疗法的出现，但这些疾病的慢性进展性特点，使得患者需要频繁监测和重复治疗，给患者和医疗系统带来了巨大的负担。因此，如何更高效地管理视网膜疾病，成为亟待解决的问题。
在这样的背景下，维也纳医科大学眼科和验光系眼科图像分析实验室的研究人员，针对人工智能（AI）在视网膜疾病管理中的应用展开了深入研究。该研究成果发表在《Wiener Medizinische Wochenschrift》上。
研究人员主要采用了以下关键技术方法：利用多种视网膜成像技术，如彩色眼底摄影（CFP）、OCT、眼底自发荧光（FAF）成像和染料基视网膜血管造影等获取图像数据；运用 AI 算法对大量的视网膜图像进行分析，包括图像生物标志物分割、特征量化、预测建模等。同时，研究还涉及多个样本队列，如不同阶段 AMD 患者、DR 患者的临床数据和图像资料等。
研究结果如下：
- AI 在年龄相关性黄斑变性中的应用
- 早期和中期 AMD：AI 能够检测、定位和量化与疾病进展相关的多种病理形态特征，如玻璃膜疣、视网膜外层变薄、高反射灶等。通过 AI 还发现，在早期萎缩标记出现前，就存在亚临床光感受器变薄。此外，基于机器学习（ML）的模型可以预测疾病进展，且准确性较高。
- 新生血管性 AMD（nAMD）：AI 可对 OCT 图像中的视网膜内液（IRF）、视网膜下液（SRF）和色素上皮脱离（PED）等疾病活动迹象进行自动图像分割和量化，这有助于指导治疗决策。2022 年，首个用于评估 OCT 图像的 AI 算法在欧盟被批准作为 nAMD 治疗的决策支持系统。
- 地理萎缩（GA）：AI 开发的自动化实时工具（GA Monitor）可以可视化和量化 GA 患者视网膜色素上皮（RPE）和椭圆体带（EZ）的丢失区域，为疾病监测和治疗效果评估提供了重要依据。通过 AI 分析，还确定了光感受器丢失与 RPE 丢失的比例是评估疾病进展风险和治疗获益的相关生物标志物。
- AI 在糖尿病视网膜病变中的应用：AI 基于 CFP 检测 DR 的诊断准确性与专家相当，可用于初级保健机构的自动筛查。目前，已有两种 FDA 批准的无需人工评估的自主 AI 系统用于 DR 筛查，如 IDx - DR 和 EyeArt，它们在检测 DR 和糖尿病黄斑水肿（DME）方面具有较高的敏感性和特异性。
- 视网膜成像与全身疾病的关联：研究发现视网膜血管改变与心血管健康存在相关性。利用 AI 分析视网膜微血管成像数据，不仅可以预测心血管疾病风险因素，如年龄、收缩压、体重指数（BMI）和糖化血红蛋白（HbA1c）等，还能预测主要心血管事件。此外，通过 OCT - A 检测，发现其在早期检测中枢神经系统疾病方面也具有潜力，如阿尔茨海默病、帕金森病和多发性硬化症等。
研究结论表明，AI 在视网膜疾病的研究、诊断和管理中具有巨大潜力。它能够提高疾病诊断的准确性和效率，实现早期筛查和个性化治疗，有助于优化患者诊疗流程，减轻医疗系统负担。然而，目前仍面临一些挑战，如算法训练数据缺乏多样性等问题。未来，随着技术的不断发展和完善，AI 有望在视网膜疾病管理领域发挥更大的作用，为患者带来更好的治疗效果和生活质量。
