AI辅助青光眼分级：帮助患者更直观评估病情

青光眼是全球范围内导致不可逆失明的主要眼病之一。其特点在于早期往往没有明显症状，许多患者在视力严重受损前难以察觉异常，因此常被形容为“窃取视力的疾病”。据统计，到2020年全球青光眼患者预计将达7960万，其中约1120万人可能发展为双眼失明。传统上，患者是否接受手术主要取决于眼科医生的判断，但患者自身往往缺乏直观的参考信息来理解病情。

近期，一项发表于《Scientific Reports》的研究展示了一种基于人工智能的新工具，可辅助青光眼患者评估自身疾病的严重程度，从而在是否进行手术的决策中发挥更积极的作用。该工具由西班牙加泰罗尼亚理工大学的研究者Pablo Amil开发，其核心是一个物理模型，能够对虹膜角膜角的闭合程度进行分类。虹膜角膜角是眼内房水排出的关键结构，其状态直接影响眼压，是评估青光眼严重程度的重要指标。

研究团队利用人工智能算法，对1000张虹膜角膜角的光学相干断层扫描（OCT）图像进行分析，并依据病情严重程度（轻度、中度、重度）将图像进行排序和分类。随后，他们将这一自动分类结果与眼科医生基于160例诊断的评估进行了对比，结果显示AI模型的判断与专业医生的诊断具有较高的一致性。

研究者指出，在常规诊疗中，眼科医生通常依据患者眼睛的层析图像来评估虹膜角膜角的状态。如果角度关闭，房水引流受阻，眼压便会升高，医生往往能给出较为准确的诊断，但患者却缺乏一个直观的参照系来理解自身病情的严重程度，也难以独立判断手术的必要性。而这一新方法通过图像对比，能帮助患者更客观地认识病情，为是否接受手术提供参考依据。

该研究是在欧洲Be-Optical项目框架下推进的。未来，这一模型有望被整合进新型层析成像设备中，在检查时即时向患者展示青光眼严重程度。相关专利持有方已开始推动该技术的产业化转化，期望为眼病的早期发现与干预提供支持。

参考资料：
[1] The first tomography map for diagnosing glaucoma
[2] Unsupervised feature extraction of anterior chamber OCT images for ordering and classification