AI 在醫療領域又有新發展!這次是青光眼治療

作者 | 發布日期 2019 年 05 月 08 日 9:00 | 分類 AI 人工智慧 , 軟體、系統 , 醫療科技 follow us in feedly


青光眼是世界致盲的第二大原因,在 40 歲以上族群,3.5% 受青光眼影響。2010 年,有 6,050 萬人受病影響,預計到 2020 年數字將升至 8,000 萬人。雖然現有治療可阻止病情惡化,但無法恢復視力。因此,早期發現和及時治療是青光眼臨床的重要問題。

IBM Research 與紐約大學就「青光眼治療」進行一項研究,重點編譯如下。

視野測試反映患者在整個視覺空間的視力範圍,並用於診斷各種疾病。例如,青光眼引起的視覺神經損傷會導致上視野和下視野的特徵性視野缺損。雖然其他條件能以類似青光眼的方式影響視網膜架構,但對視力的影響往往非常不同。因此,這些測試是診斷時不可或缺的一部分。

然而,由於這些測試完全依賴患者回饋,患者的警覺性是主觀的。眾所周知,一天在什麼時間測試是影響患者表現的因素之一,早上的狀態比中午好。因此,一個人可能需要多次測試,以精確測量任何視力損失。

從生物學的角度來看,我們知道視覺功能和視網膜架構有關係。這裡出現一個有趣的問題:我們能透過非侵入式技術成像,直接從眼睛架構估計視覺功能嗎?答案是肯定的,因 IBM 研究人員已發現視網膜成像資料的資訊,可幫助評估青光眼的存在。

IBM Research 與紐約大學合作研究,採用資料驅動法,利用深度學習技術探索這個問題,以前所未有的精度從單個光學同調斷層掃描(OCT)影像估計視場指數(VFI),Pearson 相關係數為 0.88。VFI 是代表整個視野的國際指標,透過人工智慧精確捕捉,為未來可能使用此分析快速評估患者視覺功能的技術奠定基礎。這可讓專業人士在診斷青光眼收集資料時獲得更精確的資訊,而不需要多次耗時測試。

傳統的 OCT 架構測量,如視網膜神經纖維層(RNFL)厚度和神經節細胞內叢狀層(GCIPL)厚度,在青光眼目標位置已知的情況下都無法達到這精確度。研究表明 OCT 捕捉到的架構測量包含與功能測量高度相關的資訊,這在專業人員尋求診斷方法時非常有用。

青光眼的另一個重要挑戰是惡化速度,這需要仔細分析多次就診的資料。IBM 研究已使用機器學習解決了這個問題,表明可預測未來存取時的視覺功能測試結果。總有一天,這種能力可幫助專業人士更能預測疾病的開始和發展,並調整治療方法。

這項研究於 4 月 28 日至 5 月 2 日在加拿大溫哥華舉行的 ARVO(視力和眼科研究協會)年會發表。IBM 研究團隊與紐約大學就青光眼偵測和管理各方面提出 7 篇摘要。

(本文由 雷鋒網 授權轉載;首圖來源:IBM Research

關鍵字: , , ,