Computational Framework for Automated Quantification of Panretinal Photocoagulation Technique from Ultra-Widefield Fundus Images
本研究提出了一种由人工智能驱动的计算框架，用于对超广角眼底图像中的全视网膜光凝术技术进行客观量化，揭示了在覆盖范围、间距和安全性指标方面存在的显著现实世界差异，从而实现标准化的质量监测与结果关联。
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
几十年来，医生们一直利用一种被称为视网膜光凝术（panretinal photocoagulation）的程序来治疗一种威胁视力的危险性糖尿病并发症。这种治疗方法使用激光在视网膜的外围边缘制造微小的、受控的灼伤。其目标是通过减少外周视觉对氧气的需求来使眼睛“冷静”下来，从而阻止脆弱且易渗漏的血管生长，这些血管可能会导致失明。虽然这种方法已经挽救了无数人的视力，但医生执行该手术的方式一直以来都像是一个“黑匣子”。当治疗结束时，医疗记录通常只写着“已应用激光”或粗略估算使用了多少个光点。目前还没有一种标准、客观的方法来观察完成后的工作，并精确测量到底治疗了多少面积、光点之间的间距是否均匀，以及它们距离脆弱的中心视觉区域有多近。如果没有这些测量数据，就很难知道一位医生的技术是否真的与另一位不同，或者治疗的成功究竟取决于烧灼的具体模式，还是仅仅取决于激光是否被应用。
研究团队现在构建了一个新系统来打开这个“黑匣子”。通过分析数百张已经接受过此类激光治疗的超广角眼底照片，他们创建了一个计算框架，将激光留下的疤痕转化为精确、可测量的的数据。该方法不再依赖医生的记忆或手写笔记，而是利用人工智能来绘制图像中可见的每一个烧灼点。这使得他们能够精确计算出可治疗区域覆盖了多少比例、光点之间的间距是否均匀，以及烧灼是否安全地远离了视神经和视网膜中心等关键结构。研究人员并没有发明一种新的激光或药物；他们发明了一种描述激光实际作用的新语言。
当团队将这一框架应用于包含超过 93,000 个映射激光点的 218 张图像时，他们发现，这种治疗方式在不同患者之间的实际交付情况存在巨大差异。单张图像中的烧灼点数量从最少的 13 个到最多的 959 个不等，这种巨大的差异表明，在常规护理中，对于实际应用的激光量并没有统一的标准。平均而言，激光仅覆盖了约 15% 的符合治疗条件的区域。在某些情况下，覆盖率几乎为零，而在另一些情况下则达到了目标区域的三分之一多一点。这种差异也延伸到了烧灼的间距上。虽然指南建议光点应均匀分布，但研究人员发现，这种间距的一致性差异显著，有些治疗呈现出非常规则的模式，而另一些则显得相当分散。
研究还测量了烧灼点距离敏感的中心视觉和视盘有多远，这些区域必须得到保护以维持中心视力和避免神经损伤。结果显示，虽然大多数治疗都尊重了这些安全区域，但距离的变化很大。在某些情况下，烧灼点比保守指南建议的更接近中心视觉，而在另一些情况下，则留有宽阔的安全余量。研究人员还观察了治疗在视网膜不同部分是否分布均衡。他们发现，许多治疗并非均匀分布，即某些区域出现了密集的烧灼簇，而其他部分则保持未触及状态。
这项工作并不声称目前的治疗方式是错误的，也不意味着医生做得不好。作者强调，这些差异很可能是由于合法的临床决策造成的，例如分阶段进行多次随访治疗，或根据患者对程序的耐受程度调整方案。单张照片无法讲述多次治疗过程的完整故事。然而，这项研究证明了我们现在可以超越模糊的描述，开始测量治疗本身的几何形态。通过将视觉上的疤痕转化为硬性的数字，该框架提供了一种比较不同技术的方法，能够监测不同诊所的护理质量，并最终将特定的烧灼模式与更好的或更差的患者预后联系起来。
研究人员指出，这种测量治疗几何形态的能力可能会改变医生评估该程序成功与否的方式。目前，如果患者的视力趋于稳定，我们知道治疗奏效了，但我们并不知道是激光应用的哪个具体方面起到了作用。是烧灼的总数？是间距的均匀度？还是覆盖的总面积？有了这个新工具，科学家终于可以利用数据而非猜测来回答这些问题。该框架提供了一种标准化衡量这一常见程序的方法，确保未来的不同治疗之间的比较是基于眼睛上实际发生了什么，而不仅仅是病历中记录了什么。它将一张静态的愈合眼部图像转变为一份动态的护理记录，为未来实现更精准、更有效的治疗奠定了基础。
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。