愛爾概況

近日，中國科學院計算技術(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。極大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。

這是繼今年2月“愛爾眼科-中科院計算所2023年戰(zhàn)略規(guī)劃會議”成功召開后，發(fā)布的又一個雙方合作研究成果。此研究對2000多幅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測算法，實現(xiàn)青光眼發(fā)病概率個體的精準預測。

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，據(jù)估計，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)，從而導致不可逆轉(zhuǎn)的視神經(jīng)損傷。

中華醫(yī)學會眼科學分會發(fā)布的《中國青光眼指南（2020）》顯示，2020年全球原發(fā)性青光眼患病人數(shù)超過7600萬，我國達到了2100余萬，其中致盲人數(shù)可達567萬。這其中慢性青光眼占半數(shù)以上，而慢性青光眼早期多無癥狀，發(fā)現(xiàn)時通常已是晚期，因此越早地發(fā)現(xiàn)、干預與治療青光眼，是防止青光眼致盲zui為重要的手段。

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，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zui優(yōu)水平，其他指標也均為zui優(yōu)；同時，在Tumor-CIFAR數(shù)據(jù)集上亦為業(yè)界zui優(yōu)。

本算法在預測一段時間內(nèi)青光眼患病概率的變化情況，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測未來時刻患病概率的有效性。