人工智能辅助青光眼病情分级，助力患者决策

青光眼是全球范围内导致不可逆性视力损害的首要眼病。据预测，至2020年全球患者将达7960万，其中约1120万人可能最终发展为双眼失明。这种疾病早期常无显著症状，因而被称为“视力的窃贼”，往往在造成明显视野缺损时才被察觉。临床上，医生通常根据检查结果建议是否手术，而患者多依赖医生的判断。

近期，一项发表于《Scientific Reports》的研究展示了一种创新方法，可帮助青光眼患者评估自身病情严重程度，进而更自主地决定是否接受手术治疗。该研究由西班牙加泰罗尼亚理工大学的Pablo Amil团队完成。

青光眼的基本病理过程涉及视神经退行性变，眼压升高可导致虹膜角膜角结构改变，进而引发组织损伤。因此，虹膜角膜角的闭合状态是评估病情严重性的核心指标。研究团队构建了一个物理模型，对虹膜角膜角的闭合程度进行分类，旨在向患者直观展示病情分级，辅助其做出更明智的治疗选择。

Pablo Amil借助人工智能算法，开发了首个用于青光眼诊断的断层扫描图谱。他们利用1000张虹膜角膜角图像，按病情严重程度（重度、中度、轻度）进行排序和分类，并与眼科医生给出的160项诊断结果进行比对。结果显示，该模型与临床专家诊断的严重程度具有高度一致性。

该模型可生成虹膜角膜角的层析成像图，清晰呈现角度细节。Pablo Amil指出，在常规诊疗中，医生通过一张断层图像判断虹膜角膜状态，若角度关闭则提示房水引流受阻、眼压升高，从而做出诊断。然而，患者往往缺乏客观比较工具来理解病情，难以权衡手术必要性。该研究使患者能够通过图像直观、客观地比较自身病情严重程度，从而更好地参与治疗决策。

此项研究是在欧洲Be-Optical项目框架下推进的。未来，该模型有望整合至新型断层成像设备中，在检查同时即时显示青光眼严重程度，辅助早期发现和干预。相关专利持有者已着手推进成果转化，期望为眼病防治贡献力量。

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