【光明日報】致盲性眼病青光眼發病概率可實現個體精準預測
- 發布時間: 2026-04-09 09:04:35
- 作者: 愛爾眼科
近日，中國科學院計算技術研究所研究團隊和愛爾眼科合作發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病概率可實現個體精準預測，這將使青光眼患者在成為“患者”前就被發現成為可能。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年戰略規劃會議”成功召開後，發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，提出基於時間敏感自注意力機製的青光眼患病智能輔助預測算法，實現青光眼發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，據估計，全世界約有7800萬人患有青光眼，到2040年，這一數字將升至1億1000萬。但由於青光眼早期症狀不明顯，約有50％的青光眼患者會延誤就醫，從而導致不可逆轉的視神經損傷。
中華醫學會眼科學分會發布的《中國青光眼指南（2020）》顯示，2020年全球原發性青光眼患病人數超過7600萬，我國達到了2100餘萬，其中致盲人數可達567萬。這其中慢性青光眼占半數以上，而慢性青光眼早期多無症狀，發現時通常已是晚期，因此越早地發現、幹預與治療青光眼，是防止青光眼致盲zui為重要的手段。
現(xian)階(jie)段(duan)已(yi)有(you)的(de)人(ren)工(gong)智(zhi)能(neng)主(zhu)要(yao)針(zhen)對(dui)青(qing)光(guang)眼(yan)的(de)診(zhen)斷(duan)開(kai)展(zhan)，通(tong)常(chang)通(tong)過(guo)自(zi)動(dong)分(fen)割(ge)視(shi)杯(bei)視(shi)盤(pan)計(ji)算(suan)杯(bei)盤(pan)比(bi)來(lai)診(zhen)斷(duan)是(shi)否(fou)患(huan)有(you)青(qing)光(guang)眼(yan)。而(er)針(zhen)對(dui)青(qing)光(guang)眼(yan)的(de)早(zao)期(qi)預(yu)測(ce)問(wen)題(ti)，即(ji)通(tong)過(guo)輸(shu)入(ru)患(huan)者(zhe)的(de)一(yi)段(duan)時(shi)間(jian)內(nei)的(de)序(xu)列(lie)影(ying)像(xiang)，判(pan)斷(duan)患(huan)者(zhe)未(wei)來(lai)患(huan)有(you)青(qing)光(guang)眼(yan)的(de)可(ke)能(neng)性(xing)，鮮(xian)有(you)研(yan)究(jiu)。目(mu)前(qian)已(yi)有(you)的(de)算(suan)法(fa)DeepGF 基於LSTM(long short-term memory) 循環神經網絡設計，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。
針對現有算法存在的局限性，研究團隊提出基於時間敏感自注意力機製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），根據時間間隔調整對不同影像的關注度。
研究團隊將提出的GLIM-Net與公開數據集SIGF和Tumor-CIFAR上的已有算法進行了對比，結果顯示在SIGF數據集上，GLIM-Net取得了平均89.5%的準確率，達到了業界zui優水平，其他指標也均為zui優；同時，在Tumor-CIFAR數據集上亦為業界zui優。
本(ben)算(suan)法(fa)在(zai)預(yu)測(ce)一(yi)段(duan)時(shi)間(jian)內(nei)青(qing)光(guang)眼(yan)患(huan)病(bing)概(gai)率(lv)的(de)變(bian)化(hua)情(qing)況(kuang)，可(ke)以(yi)看(kan)到(dao)，如(ru)果(guo)患(huan)者(zhe)從(cong)陰(yin)性(xing)變(bian)成(cheng)陽(yang)性(xing)，那(na)麼(me)中(zhong)間(jian)時(shi)刻(ke)患(huan)病(bing)概(gai)率(lv)是(shi)增(zeng)加(jia)的(de)，如(ru)果(guo)患(huan)者(zhe)沒(mei)有(you)轉(zhuan)陽(yang)，那(na)麼(me)中(zhong)間(jian)時(shi)刻(ke)患(huan)病(bing)概(gai)率(lv)無(wu)顯(xian)著(zhu)增(zeng)加(jia)，這(zhe)進(jin)一(yi)步(bu)說(shuo)明(ming)了(le)本(ben)算(suan)法(fa)在(zai)預(yu)測(ce)未(wei)來(lai)時(shi)刻(ke)患(huan)病(bing)概(gai)率(lv)的(de)有(you)效(xiao)性(xing)。
