Disease Spectrum Analysis and AI-Assisted Screening of Fundus Disorders Using Portable Handheld Fundus Imaging in Health Examination Populations
本研究通过验证一种结合了便携式手持眼底成像与人工智能辅助分析的标准工作流，以刻画年龄分层的疾病谱系，并在 58,500 名个体的人群中实现对视网膜疾病的高准确度检测，从而为大规模眼科健康筛查建立了一个实用的框架。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
清晰地观察世界是人类基本的天性，然而对于数十亿人来说，由于许多眼疾在察觉到危险信号之前往往不显征兆，这种清晰度正在逐渐消失。被称为视网膜的眼底组织是一层脆弱的组织层，它就像相机的传感器一样，捕捉让我们能够看见的光线。当这层组织受到糖尿病、高血压或衰老等疾病的影响时，其损伤往往是永久性的。由于这些问题起初非常隐蔽，医生依赖于拍摄视网膜照片来及早发现它们。传统上，这些照片是用大型且昂贵的机器拍摄的，要求患者坐稳并注视一个固定的设备。然而，一种新型相机正在改变这一局面。这些是医生可以用单手握持的小型手持设备，使得在几乎任何地方进行视网膜拍照成为可能，无论是繁忙的社区诊所还是常规体检室。挑战在于，这些便携式相机较难完美使用；图像可能会模糊或光线不足，而且目前尚不清楚人工智能（旨在识别疾病的计算机软件）是否能像处理专业诊所拍摄的完美图像那样，也能处理好这些不完美的图像。
一个研究小组致力于解决这个问题，他们测试了这些便携式相机是否可以用于对大量健康人群进行多种眼疾的筛查，而不仅仅是针对某一种特定疾病。他们利用了来自北京一家医院进行常规体检的近三万人、跨越五年的海量图像集进行研究。他们总共收集了超过五万八千张视网膜照片。由于这些相机是手持式的，且是在并非等待眼科检查的普通人群身上使用的，因此照片质量差异巨大。有些清晰无比，而有些则太暗、太模糊或对齐不准而无法使用。研究人员首先构建了一个计算机系统充当严格的“守门员”，将图像分为三组：完美的、足够好的、以及必须丢弃的。这一步至关重要，因为它确保了人工智能模型仅在真正清晰显示眼睛的图像上进行训练。经过这一清洗过程后，他们留下了超过三万五千张高质量图像，用于研究人群的实际健康状况。
研究人员发现了一个关于眼部健康如何随年龄增长而变化的清晰图景。在他们分析的图像组中，约有三分之一显示出一些眼部问题。其中最常见的问题是与近视相关的变化，影响了近百分之二十的人群。考虑到研究对象中包含许多中青年，这符合常理。然而，所发现的疾病类型在很大程度上取决于年龄。年轻人大多患有与近视相关的疾病，但随着人群年龄的增长，问题发生了转变。在六十岁以上的人群中，最常见的发现是眼部血管疾病和视网膜中心部分的退化，这些都是通常与衰老和整体健康相关的疾病。这一发现很重要，因为它表明眼科筛查计划不应该是“一刀切”的：医生在三十岁的人身上寻找的问题与在七十岁的人身上寻找的问题是不同的。
为了观察计算机是否能帮助医生更快地发现这些问题，该团队测试了十二种不同类型的人工智能模型。他们要求这些模型完成两项任务：首先，判断一张照片显示的是健康的眼睛还是不健康的眼睛；其次，如果眼睛不健康，则识别出具体是哪种疾病。结果在第一项任务上令人鼓舞。计算机模型在识别异常眼睛方面表现出色，正确识别异常情况的比例超过了百分之九十。这意味着手持相机结合此类软件可以可靠地标记出需要看专科医生的患者。然而，第二项任务要困难得多。当模型试图命名具体疾病时，其准确率显著下降。它们经常混淆不同类型的血管问题，或者难以区分不同类型的组织损伤。这表明，虽然计算机在作为初步过滤器捕捉潜在问题方面表现优秀，但它们尚未准备好取代人类医生来诊断手持照片中的确切病症。
研究人员还测试了新一代先进的计算机模型，这些模型是在来自大型诊所的数百万张标准高质量眼部图像上训练而成的。他们希望这些“基础模型”会更聪明，并能更好地处理手持相机拍摄的杂乱现实世界的图像。令人惊讶的是，这些先进模型的效果并没有比简单的轻量级模型更好。事实上，专门的模型有时反而表现得更差，这可能是因为手持式小相机的图像与它们所接受训练的完美图像差异太大。那些更简单、运行速度更快且需要更少计算能力的模型，实际上表现得最好。这一发现为未来提供了实践指南：对于使用便携式设备的广泛筛查，我们不需要最复杂、最沉重的深度人工智能。我们需要的是能够处理不完美图像且处理速度足以应对每天数千张图像的工具。
最终，这项研究证明了只要有一套检查图像质量的系统，使用小型便携式相机对大量人群进行多种眼疾筛查是可行的。研究表明，眼疾遵循基于年龄的可预测模式，即近视在年轻人中占主导，而血管疾病在老年人中占据主导。研究还表明，虽然人工智能可以成为发现这些问题的强大伙伴，但该技术在命名每一种具体疾病方面尚不完美。这项工作为保护视力的新方式奠定了基础，在这种新方式下，常规体检可以包括快速、无痛的视网膜检查，从而在导致失明前及早发现问题。通过将简单的手持设备与智能软件以及对眼疾随终身变化的清晰理解相结合，我们可以迈向一个眼部健康监测如同监测血压或体重一样常规化的未来。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。