眼科是最繁忙的门诊专科，数十万英国国家医疗服务体系（NHS）患者正在等待诊断或治疗，等待复诊的患者数量甚至更多 [1]。在整个英国，青光眼服务承受着巨大的压力，这是由于该病的患病率高且存在可疑的临床特征，因此需要长期监测 [2]。需要探索新的方法来解决积压问题，例如通过预约前分诊来优先分配有限的门诊资源。在以往的一项研究中，青光眼医生在审阅等待复诊的患者后，能够使多达40%的病例延期或出院，并取消多达35%的计划视野检查 [3]。

临床复核需要对临床记录、影像和视野检查结果中的多模态数据进行专家评估。视野数据至关重要，因为它能显示是否发生了青光眼性视力丧失或是否正在进展，但容易受到主观判断的影响。我们开发了青光眼视野缺损分类器（GFDC），通过应用标准化的青光眼视野缺损严重程度分级标准来缓解这一问题 [4]。然而，尽管该工具在识别视力障碍等任务中很有用 [5]，但快照式分类对于分诊并不足够，因为青光眼诊疗路径越来越强调基于风险的纵向评估，并考虑不同的临床轨迹 [6]。

我们开发了GFDC 2，以实现对视野数据的自动化纵向评估，从而加速分诊工作流程。GFDC 2接受来自任意数量患者在所有时间点的视野数据批量导出，无需手动输入数据。从这些数据中，GFDC 2通过应用Hodapp-Parrish-Anderson标准计算视野缺损的严重程度、判断是否存在中心视野受累，并以整体指标（例如平均偏差、视野指数）以及逐点级别量化进展速率。为验证GFDC 2，我们将其输出结果与一位经过遮蔽的研究人员从单个视野图中手动提取的数据以及FORUM软件（蔡司，德国上科兴根）提供的引导进展分析（GPA）进行了比较。在阿德布罗克医院的一项质量改进项目（PRN13551）中，等待复诊时间最长的35名患者（70只眼）被用于在分诊辅助角色中验证GFDC 2。

GFDC 2展现了近乎完美的性能（图 1）。在最新视野检查的静态参数中——平均偏差、视野指数和模式标准差——达成了100%的一致性（组内相关系数，ICC?=?1.000）。在所有70例中，中心视野缺损的有无均被正确识别（准确率?=?100.0%）。对于纵向参数，平均偏差进展的一致性接近100%（ICC?=?0.985），视野指数进展的一致性也接近100%（ICC?=?0.994）。不一致的情况很少见，且幅度较小（图 1），所有不一致均是由于专有GPA中纳入了不可靠的视野结果所致。GFDC在所有38例中正确识别了中心视野缺损，并在所有32例阴性病例中正确排除。

图1：青光眼视野缺损分类器（GFDC 2）与由专有引导进展分析（GPA）工具辅助的人工研究者手动验证之间的一致性。
图1：青光眼视野缺损分类器（GFDC 2）与由专有引导进展分析（GPA）工具辅助的人工研究者手动验证之间的一致性。
全尺寸图像

对于静态参数，组内相关系数（ICC）为1.000，一致性完美。中心视野缺损的分类同样完美，GFDC 2与临床医生的手动判断之间无任何分歧。对于进展指标，一致性接近完美，GFDC与验证之间的差异很少且幅度很小，所有差异均是由于GPA分析中纳入了不可靠的视野结果所致。

GFDC 2能够基于最新和纵向视野检查结果提供准确可靠的视野解读。借助该工具，具有中心视野受累或快速进展特征的患者可被自动识别并获得适当优先处理，从而支持近期全国青光眼服务指南推荐的风险分层随访路径 [6]。对纵向视野进行自动解读还可促进异步虚拟复核路径的实施，通过快速识别需要专科医师或面对面复诊的患者。简化这一流程可在无需眼科医生花费临床时间去检索和解读冗重的视野数据的情况下，将积压减少多达40% [3]。