人工智能和眼底病

人工智能中的深度学习让搜集大数据成为可能，机器训练需要足够多的样本，如棋步算法、无人驾驶、人脸识别、网页搜索等高级应用中用到的深度学习及其对应的各种神经网络等都与大数据有关。眼科学对影像学检查依赖性强，影像资源丰富，如眼底照相、OCT、裂隙灯显微镜照相、FFA、眼超声及各种角膜、眼表、睑板腺成像等数据量呈指数级增长。大量的影像学资料为机器学习和深度学习提供了海量的图像数据源（主要包括多模态眼科图像和可以量化的临床指标），这些资源有助于人工智能辅助眼科疾病自动筛查和诊断系统的研发，为人工智能在眼科的应用提供很好的基础。

自2016年首批运用DL筛查糖尿病视网膜病变的论文发表以来，AI特别是DL在眼科领域的研究呈现出爆发式增长。研究病种从最初集中于糖尿病视网膜病变（diabetic retinopathy，DR）、年龄相关性黄斑变性（AMD）、青光眼，逐渐向早产儿视网膜病变（ROP）、白内障、角膜病等其他疾病扩展。AI在眼科诊疗中的临床应用涵盖了眼部病变或特征的自动检测和定量、眼科疾病的自动筛查、基于AI的诊断分级以及视网膜治疗和预后疾病模型中的临床决策支持等疾病诊疗流程中的各个环节，研究也从模型算法到临床验证再到经济价值评估，内容层层深化。

不难看出，眼底病在AI的临床研究和应用中具有优秀的基础，首先，青光眼、糖尿病视网膜病变和年龄相关性黄斑变性等眼底改变较为常见。其次，眼底图像的广泛采集使大量数据得到积累，因此现阶段具有数目庞大的相关研究，在眼科甚至整个医学AI领域占据举足轻重的地位。