近视，也称为近视眼，正在上升，尤其是在儿童中。专家预测，到2050年，近视将影响全球约50%的人口。研究人员认为，我们与手机和屏幕等近距离物体的互动增加是部分原因。
对于许多人来说，看远处物体的困难可以通过眼镜或隐形眼镜轻松解决，但对另一些人来说，这会发展成一种更严重的疾病，称为近视性黄斑病变。
亚利桑那州立大学（ASU）计算机与增强智能学院（School of Computing and Augmented Intelligence）的一支研究团队正在开发新的诊断工具，利用人工智能（AI）的力量更有效地筛查这种疾病。他们最近在同行评审的研究期刊《JAMA眼科》上发表了他们的研究成果。
近视性黄斑病变发生在眼睛中帮助我们直视前方并清晰看到细节的部分被拉伸和损伤时。随着时间的推移，眼睛的形状变得拉长，更像橄榄球而不是球体。当这种情况发生时，视力会扭曲。这种严重的情况是导致严重视力丧失或失明的主要原因。2015年，近视性黄斑病变导致1000万人视力受损。除非情况改变，否则到2050年，超过5500万人将因该病而视力受损，全球约有1800万人将因此失明。
由于近视性黄斑病变是不可逆的，专家希望尽早干预。尽早发现这种状况可以改善健康结果，尤其是当涉及儿童时。眼科医生可以开具特殊隐形眼镜或眼药水来减缓疾病的进展。
亚利桑那州立大学计算机科学与工程教授王亚林表示，技术创新可以提供重要的解决方案。“AI正在引发一场革命，利用全球知识提高早期诊断的准确性，”他说，“这些进步将减少医疗成本，提高整个社会的生活质量。”
为了应对这一需求，医学图像计算和计算机辅助干预协会（MICCAI Society）在2023年发起了一项挑战，要求专家改进用于视网膜图像的计算机辅助筛查系统。目前，近视性黄斑病变是通过光学相干断层扫描（OCT）诊断的，该扫描使用反射光创建眼睛后部的图像。这些扫描通常由眼科医生手动检查，这是一个耗时的过程，需要专门的经验。
王亚林和他的团队（包括计算机工程博士生朱文慧以及神经学家兼福尔顿学院兼职教员杜米特拉斯库博士）响应了这一号召。研究人员是MICCAI挑战的获胜者之一。
在工作的第一部分，王亚林和他的团队解决了近视性黄斑病变的分类问题。该疾病有五个分类，描述其严重程度。确定正确的级别有助于眼科医生为患者提供更个性化、有效的解决方案。福尔顿学院的研究人员创建了新的AI算法NN-MobileNet。这些指令集设计用于帮助软件更有效地扫描视网膜图像并预测近视性黄斑病变的正确分类。
接下来，团队将注意力转向了科学界使用深度神经网络预测视网膜扫描中的球面等效值的努力。球面等效值是医生在开具眼镜或隐形眼镜处方时需要估计的眼睛屈光误差。在深度神经网络中，研究人员让计算机分析大量数据，并应用AI驱动的算法得出有用的结论。通过更准确的球面等效值测量，医生可以做出更准确的治疗建议。因此，王亚林和团队再次开发了新的算法，重点关注数据质量和相关性。他们新的视网膜图像分析模型取得了优异的结果，同时最大限度地减少了所需的计算能力。这项研究的结果也发表在《JAMA眼科》上。
最后，王亚林与其他MICCAI挑战的获胜团队合作，在9月份发表于《JAMA眼科》的第三篇研究论文中展示了他们的综合成果。来自世界各地大学的研究人员分享了他们的挑战发现，以刺激在近视性黄斑病变的早期有效诊断方面的进一步进展，从而改善全球人民的医疗保健结果。
王亚林解释说，推动他工作的动力之一是解决健康不平等问题。“生活在农村地区的人们很难获得先进的成像设备和看医生的机会，”他说，“一旦AI技术可用，将显著改善全球人口的生活质量，包括那些生活在发展中国家的人。”
计算与增强智能学院院长罗斯·马切耶夫斯基表示，王亚林的项目是教师在医疗领域优秀工作的典范。“随着近视和近视性黄斑病变的增加，需要解决方案来预防视力丧失，并帮助医疗专业人员为患者提供最佳的治疗选择，”马切耶夫斯基说，“王亚林的创新研究是有原则地使用人工智能来解决这一严峻的医疗问题。”
(全文结束)
