在智能技術(shù)與眼科臨床醫(yī)療深度融合下，中國眼科界取得科研突破——致盲性眼病青光眼發(fā)病概率可實現(xiàn)個體精準預(yù)測。
記者17日獲悉，中國科學(xué)院計算技術(shù)研究所研究團隊和愛爾眼科合作發(fā)布青光眼預(yù)測的科研成果，該研究成果在IEEE Transactions on Medical Imaging(IF=11.037)發(fā)表，題為“GLIM-Net: Chronic Glaucoma Forecast Transformer for Irregularly Sampled Sequential Fundus Images”。研究成果表明致盲性眼病青光眼發(fā)病概率可實現(xiàn)個體精準預(yù)測，這將使青光眼患者在成為“患者”前就被發(fā)現(xiàn)成為可能，提升青光眼患者的早診早治率，從而進一步降低青光眼致盲率。
此研究對兩千多時間間隔不一的眼底影像進行立體化、全方位的深入研究，提出基于時間敏感自注意力機制的青光眼患病智能輔助預(yù)測算法，實現(xiàn)青光眼發(fā)病概率個體的精準預(yù)測。
3月12日-3月18日是第16個“世界青光眼周”，今年的青光眼周主題是“關(guān)注青光眼：共識保視野，指南護光明”。青光眼是全球第二大致盲性眼病和排名首位的不可逆致盲性疾病，統(tǒng)計顯示，全世界約有7800萬人患有青光眼，到2040年，這一數(shù)字將升至1億1000萬。但由于青光眼早期癥狀不明顯，約有50%的青光眼患者會延誤就醫(yī)，從而導(dǎo)致不可逆轉(zhuǎn)的視神經(jīng)損傷?！霸绨l(fā)現(xiàn)”是防止青光眼致盲重要手段。
據(jù)介紹，現(xiàn)階段已有的人工智能主要針對青光眼的診斷開展，通常通過自動分割視杯視盤計算杯盤比來診斷是否患有青光眼。而針對青光眼的早期預(yù)測問題，即通過輸入患者的一段時間內(nèi)的序列影像，判斷患者未來患有青光眼的可能性，鮮有研究。目前已有的算法DeepGF基于LSTM(long short-term memory)循環(huán)神經(jīng)網(wǎng)絡(luò)設(shè)計，存在檢測精度有限，且不能預(yù)測患者給定時刻患病的概率等不足。
針對現(xiàn)有算法存在的局限性，中國相關(guān)研究團隊提出基于時間敏感自注意力機制的青光眼患病預(yù)測算法GLIM-Net，即輸入拍攝的序列眼底影像，以及對應(yīng)的時刻信息，輸出給定時刻患青光眼的概率；針對如何有效的編碼時間信息，研究團隊進一步提出了時間位置編碼模塊(Time Positional Encoding)和時間敏感的多頭自注意力模塊(Time-sensitive MSA)，根據(jù)時間間隔調(diào)整對不同影像的關(guān)注度。
研究團隊將提出的GLIM-Net與公開數(shù)據(jù)集SIGF和Tumor-CIFAR上的已有算法進行了對比，結(jié)果顯示在SIGF數(shù)據(jù)集上，GLIM-Net取得了平均89.5%的準確率，達到了業(yè)界最優(yōu)水平，其他指標也均為最優(yōu)；同時，在Tumor-CIFAR數(shù)據(jù)集上亦為業(yè)界最優(yōu)。
業(yè)內(nèi)稱，可以看到，如果患者從陰性變成陽性，那么中間時刻患病概率是增加的，如果患者沒有轉(zhuǎn)陽，那么中間時刻患病概率無顯著增加，這進一步說明了本算法在預(yù)測未來時刻患病概率的有效性。
