治療青光眼的新突破 運用AI分析視覺功能測試

青光眼是世界上第二大失明緣由，年齡超過40歲，3.5％受青光眼影響。 2010年，有6050萬人受到這種疾病的影響，預計到2020年這一數字將增長到8000萬。雖然現有的治療方法能夠防止疾病惡化，可是恢復視力是不可能的。所以，早期發現和及時治療是臨牀青光眼的重要問題。

IBM研究和紐約大學經過如下主要編輯對「青光眼療法」進行了一項研究。

視野測試反映了患者在整個視覺空間的視野範圍，並用於診斷各類疾病。例如，由青光眼引發的視神經損傷可致使上視野和下視野中的特徵性視野缺陷。雖然其餘條件能夠以相似青光眼的方式影響視網膜結構，可是對視力的影響一般是很是不一樣的。所以，這些測試是診斷的一個組成部分。

然而，因爲這些測試徹底依賴於患者反饋，所以患者的警覺性是主觀的。衆所周知，時間測試是影響患者表現的因素之一，早上的狀態比中午好。所以，一我的可能須要屢次測試以準確測量任何視力喪失。

從生物學的角度來看，咱們知道視覺功能與視網膜結構有關。這裏出現了一個有趣的問題：咱們能夠經過非侵入性成像直接從眼結構估計視覺功能嗎？答案是確定的，由於IBM的研究人員已經找到了有關視網膜成像數據的信息，以幫助評估青光眼的存在。

IBM研究與紐約大學合做採用數據驅動方法，利用深度學習技術探索這一問題，之前所未有的精度從單一光學相干斷層掃描（OCT）圖像中估算視場指數（VFI），並進行Pearson相關係數爲0.88。 VFI是一個表明整個視野的國際指針。它經過人工智能精確捕獲，爲將來可能使用此分析快速評估患者視覺功能的bet8導航技術奠基了基礎。這使得專業人員在診斷青光眼採集時能夠得到更準確的信息，而無需進行屢次耗時的測試。

傳統的OCT結構測量，例如視網膜神經纖維層（RNFL）厚度和神經節細胞內叢狀層（GCIPL）厚度，不能用已知的青光眼靶位置來實現。研究代表，OCT捕獲的體系結構測量包含與功能測量高度相關的信息，這在專業人員尋求診斷方法時很是有用。

青光眼的另外一個重要挑戰是速度的惡化，這須要仔細分析屢次訪問的數據。 IBM研究已經經過機器學習解決了這個問題，代表可預測的視覺功能測試結果以供未來訪問。有一天，這種能力將幫助專業人員更好地預測疾病的發生和發展並調整治療方案。