人工智能在近视防治中的应用专家共识2024（附图表）docx

　　人工智能在近视防治中的应用专家共识2024（附图表） 未经矫正的近视会影响人类的视力和视觉功能，是一个全球性的公共 卫生问题。不断增加的近视人口正在给卫生保健系统带来越来越大的 负担。此外，高度近视或病理性近视会增加视网膜病变等并发症的风 险，从而导致不可逆转的视觉障碍。因此，近视的及时发现与干预、 并发症的及早发现与治疗至关重要。基于医疗大数据的人工智能(AI) 模型具有辅助指导近视个体化诊断和治疗的潜力，AI作为近视高发病 率和患病率的一种潜在可行的解决方案，在早期识别、风险分层、进 展预测和及时干预等方面具有重要价值。本专家共识由中国医药教育 协会眼科影像与智能医疗分会和国际转化医学协会眼科专业委员会组 织专家制定，总结目前AI在近视防治中的应用现状，分析目前面临的 重要挑战，提出AI在近视防治领域的未来方向，旨在为AI在近视防 治和精准医疗中的应用提供参考。 1《人工智能在近视防治中的应用专家共识(2024)》制定背景 目前，全世界有超过20亿人患有近视(定义为屈光度≥－0.50D)，其 中15%为高度近视(定义为屈光度≥－6.0D)。在亚洲，近视患病率高 达80%以上，到2050年，预计全世界将有近50亿人患有近视，占 全球预计人口的近一半，这将给医疗保健服务带来巨大负担。一项调 查表明，仅2015年，全球因未矫正的近视和近视性黄斑变性导致的 视力障碍和盲造成的潜在全球经济生产力损失高达2440亿美元。病 理性近视是近视相关不可逆视力损害的主要原因，脉络膜新生血管 (choroidalneovascularization，CNV)、黄斑萎缩、黄斑裂孔、视网 膜变性和孔源性视网膜脱离等是其常见并发症。近视已成为全球性的 公共卫生问题，因此，应对近视大流行的策略至关重要，如早期识别、 定期随访和及时干预高危近视人群。在中国，近视防控已成为国家战 略，但要实现这一目标仍面临许多挑战。近年来，人工智能(artificial intelligence，AI)显示出医疗信息和图像自动化分析的巨大潜力。在 眼科领域，由于各种成像技术在眼部疾病中的广泛应用，许多研究将 AI方法应用于不同的眼科疾病，包括干眼、白内障、青光眼和眼底疾 病等。 2AI在近视临床数据管理中的应用 2.1近视的临床数据管理 近视传统上被认为是生活方式、遗传和环境因素共同作用的结果。在 临床上接诊患者时，临床医师的诊疗过程通常遵循危险因素识别、检 查过程、治疗策略选择和持续管理的顺序。在上述临床实践过程中， 都会产生大量的临床数据。因此，建议初诊时即对患者进行常规详细 的病史采集，并确定特定个体的危险因素。采集行为和环境数据，例 如用眼习惯、阅读距离、照明条件和户外活动，以及与疾病有关的个 人信息采集，例如人口统计、遗传和心理状态。然后，对患者进行近 视临床检查，一般检查包括视力、裂隙灯显微镜、眼底、睫状肌麻痹 验光检查；特殊检查包括角膜曲率、眼轴长度、双眼视功能、眼底照 相、眼压、视野、A/B九游娱乐NineGame型超声、光学相干断层扫描(opticalcoherence tomography，OCT)、荧光素眼底血管造影等检查。以上采集的眼科 信息绝大多数是以数字为基础的数据，主要是以定量数字表示的数据 类型。对于需要进一步检查的患者，尤其是高度近视患者，如有指征， 应进行眼底影像学检查。在完成所有检查后，对于可能导致视力低下 和盲的患者，应考虑个性化地选择治疗策略。对于具有多种危险因素 的患者，预测预后并进行定期随访会有所帮助。考虑到规模，特别是 对于近视等复杂疾病，其中病因、流行病学、诊断和进展涉及许多相 互依赖的因素，手动分析临床数据相对繁杂，而机器学习(machine learning，ML)方法能够以非线性方式处理大量数据并提取大量潜在预 测参数。AI应用程序的关键组成部分为MDT，即模型、数据和目标。 丰富的数据集使AI能够根据每种类型的数据模式协助完成许多近视管 理任务。 2.2近视常用的AI技术和评估指标 在缺乏通用评估标准的情况下，现有的近视研究并不是从单一的AI方 法开始的，而是通常同时尝试几个AI模型，并在参数调整和模型间比 较后选择表现最好的模型。在评估模型的性能时，近视的AI研究通常 使用以下指标：(1)对于疾病检测和预后预测等分类任务，通常使用从 混淆矩阵计算的指标，例如准确率、灵敏度、特异度和F1分数，接收 器工作特征曲线下面积和精度召回率曲线)当任 务是导出预测区域时，例如眼底图片的病变分割，通常通过并集交叉 和Dice相似系数进行评估，这2个指标衡量预测区域与基本事实之间 的重叠区域。(3)对于折射预测和轴向长度预测等回归任务，通常使用 平均绝对误差(meanabsoluteerror，MAE)、均方误差和均方根误差 进行评估。近视的治疗包括早期筛查、风险分层、进展预测、及时和 个体化干预以及持续管理。在此过程中产生的相关数据模式可分为两 类，即临床数据和成像数据。ML与统计数据紧密交织在一起，在处理 数字或分类数据方面非常强大，适用于分析大规模医疗数据。近视中 常用的ML技术包括支持向量机(supportvectormachine，SVM)、 线性回归、随机森林、朴素贝叶斯、K-近邻和极端梯度提升。作为ML 的一个子集，深度学习(deeplearning，DL)在许多基于图像的应用中 表现良好，例如对象识别和语义分割。卷积神经网络(convolutional neuralnetwork，CNN)是近视图像驱动应用的基础，递归神经网络 的使用仍处于早期阶段。一些基本的DL网络结构，包括ResNet、Unet、 Den九游娱乐NineGameseNet、VGGNet、InceptionV3和EfficientNet，广泛用于解 决近视领域的问题。此外，由于数据隐私问题，大多数近视研究只能 基于来自同一区域的单个中心或多个中心的数据来训练模型，因此通 常使用预先训练的模型或迁移学习方法在相对小的数据集上实现更好 的性能，丰富的数据集和AI辅助分析可促进近视管理的改善。 3AI在近视防治中的应用 3.1AI在儿童近视防治中的应用儿童近视主要表现为裸眼远视力下降， 常伴有眼轴增长。屈光度和眼轴是近视预防、控制和检查的主要客观 指标。AI在儿童近视中的应用包括检测、预测和辅助诊疗。基于眼部 外观图像，Yang等首次将DL模型应用于使用眼部图像的儿童大规模 近视筛查，并实现了较高的筛查精度，能够远程监测近视儿童的屈光 状态，有可能减轻近视相关的视力障碍或盲所带来的沉重负担。根据 基线人口统计学和临床变量(如年龄、视力、眼轴长度、角膜曲率和等 效球镜度)，ML模型在预测儿童近视进展和成年后期高度近视发生方 面取得了稳定良好的效果。Foo 等使用儿童眼底图像建立 DL 模型来 预测高度近视的进展，该模型可以用作临床辅助工具，识别有风险 的儿童以进行早期干预。此外，利用角膜参数的 ML 模型和基于角膜 地形图的 DL 模型也已经能够辅助评估儿童角膜塑形术的诊疗，指导 更准确的角膜塑形镜验配和制定个性化的验配参数。 3.2 AI 在成人近视防治中的应用在成人中，AI 在近视中的应用主要集 中在高度近视、病理性近视以及近视相关并发症的检测分级、预测和 治疗，包括近视性黄斑变性(myopic macular degeneration，MMD)、 近视性 CNV、近视牵引性黄斑病变、黄斑裂孔和视网膜脱离等。目前 已建立了许多成功的模型和平台来筛查和诊断眼底疾病，如年龄相关 性黄斑变性、糖尿病视网膜病变，这些应用集中于分析眼科图像以诊 断疾病并根据这些图像分析预后。高度近视和病理性近视还会产生更 多的数据，需要分析视网膜和脉络膜的眼科信息和形态变化，因此， 专家组构建了高度近视和病理性近视 AI 分析的一般工作流程图，推荐 大家参考使用。现有的 DL 模型大多基于眼底照片构建，部分基于 OCT 图像构建。其中，一些 DL 模型具备非常强大的性能，甚至在检测 MMD 和高度近视方面与眼科专家有高度的一致性，DL 算法可能会在这些任 务中有效地辅助眼科医师进行诊疗。 基于眼底照片或OCT 图像的DL 模型也可以用于预测屈光不正或高度 近视，这可能有助于近视的评估，而不会忽视眼部影像学评估期间的 相关风险，并可能减轻近视的全球负担。此外，ML 模型被证明能够预 测角膜和眼内屈光手术的手术结果或并发症，有可能作为矫正近视的 术前评估工具之一。AI 在近视术前和术后的评估中起到重要的辅助作 用，眼科医生可以充分利用 AI 对患者进行评估，同时结合临床经验， 为患者制定个性化诊疗措施，最大程度地预测患者的疾病进展或治疗 可能出现的情况。 AI 在近视防治中应用的未来发展方向 基于图像的 AI 技术在屈光不正评估、筛查、诊断和近视治疗方面的应 用已取得一定进展。视光中心及体检中心拥有大量的近视数据及随访 数据，目前为近视防控的主要场景，然而，在真实的临床环境中获得 大规模和高质量的图像仍是一项巨大的挑战。从技术上讲，应使用更 先进的数据增强方法，例如对模拟病变进行编程以集成到正常图像数 据中或将真实病变合并到正常或异常图像中的其他位臵 [34,35] 。并且， AI 研究不应该只是将模型应用于各种任务，需要更多地关注那些尚未 解决的技术问题。建议根据每个任务的特点，探索新颖的数据模式， 建立高质量的大型公共数据集，增强模型处理多模态输入的能力，设 计先进的算法，寻找更多的应用场景。

　　湖北咸宁赤壁市城区招考聘用教师190人重点基础提升（共500题）附带答案详解

　　河南省商丘市梁园区引进66名事业单位人才重点基础提升（共500题）附带答案详解

　　2024年广西广电网络公司环江分公司公开招聘重点基础提升（共500题）附带答案详解

　　2024年广西壮族自治区烟草公司河池市公司招聘历年重点基础提升（共500题）附带答案详解