郝勝利，高楠，趙素焱

人工智能（AI）最早于1956年由麥卡錫等提出，它是計算機理論的發(fā)展，執(zhí)行通常需要人類智能才能完成的任務(wù)，包括語音識別、學(xué)習(xí)、視覺感知、數(shù)學(xué)計算、推理、決策和語言翻譯［1］。AI在臨床應(yīng)用的幾個主要方面包括機器學(xué)習(xí)（ML）、深度學(xué)習(xí)、自然語言處理和面部識別，其中ML是指AI系統(tǒng)在原始數(shù)據(jù)中提取信息并學(xué)習(xí)的能力，是AI研究的重要分支［2-3］。目前這項技術(shù)已被應(yīng)用于皮膚病學(xué)、病理學(xué)、眼科學(xué)、影像學(xué)等臨床學(xué)科［4-6］。其中，在眼科領(lǐng)域，AI通過對眼底照相、光學(xué)相干斷層掃描和視野等圖像較強的分析能力，目前已應(yīng)用于糖尿病性視網(wǎng)膜病變、早產(chǎn)兒視網(wǎng)膜病變、青光眼視盤形態(tài)改變、黃斑水腫和年齡相關(guān)性黃斑變性等疾病的檢測［7-9］。眼整形外科是眼科學(xué)與整形外科的交叉學(xué)科，圖像的采集、分析、處理對于病情的評估、治療方案的設(shè)計、手術(shù)方式的優(yōu)化選擇以及術(shù)后病理快速、準確的檢測都極為重要。目前AI技術(shù)在眼整形外科的應(yīng)用處于初步探索階段。AI技術(shù)能夠快速、準確地識別大量的影像學(xué)資料來輔助診斷，其在眼整形外科疾病的診斷、療效評估等方面具有較大潛力。現(xiàn)就AI在眼整形外科中的應(yīng)用進展進行綜述。

1 ML

ML是AI研究的一個分支，它是各種算法的總稱，通過深度學(xué)習(xí)（DL）等多種算法，機器可以根據(jù)指定任務(wù)，逐步建立精確的數(shù)據(jù)模型。簡言之，給予一組數(shù)據(jù)和相關(guān)知識，算法系統(tǒng)可從這些數(shù)據(jù)中學(xué)習(xí)，并將其應(yīng)用到新的預(yù)測中［10］。ML分為監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)，監(jiān)督學(xué)習(xí)指將包含已知變量和目標的原始數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)提交給算法，算法通過數(shù)據(jù)訓(xùn)練進行學(xué)習(xí)，建立預(yù)測模型，輸入新數(shù)據(jù)即可進行下一次預(yù)測。非監(jiān)督學(xué)習(xí)指將包含未知變量和目標的原始數(shù)據(jù)提交給算法，該算法根據(jù)檢測到的規(guī)律為數(shù)據(jù)建立描述性模型，從未知數(shù)據(jù)中得出推論［11］。隨著對ML的深入研究，AI在圖像分類、結(jié)果判讀、預(yù)測及面部識別等方面的部分性能和精確度甚至已超越人類，目前在影像學(xué)［12］、心臟病學(xué)［13］、病理學(xué)［14］等醫(yī)學(xué)領(lǐng)域受到越來越多的重視并得到迅速發(fā)展。

2 AI在眼整形外科中的應(yīng)用

2.1 面部識別技術(shù)的評估 隨著經(jīng)濟社會的快速發(fā)展，人們對美的需求日益增加，面部微創(chuàng)非手術(shù)治療（如肉毒素注射、皮膚軟組織填充術(shù)、化學(xué)換膚、激光脫毛等）以及手術(shù)治療（如重瞼、眼袋、眼瞼下垂等眼部整形手術(shù)和鼻整形等面部整形手術(shù)）日漸增多。伴隨面部識別技術(shù)在個人生物特征認證和公共安全系統(tǒng)中的迅速普及，越來越多的人可能會咨詢整形外科醫(yī)師眼部或面部其他部位的手術(shù)是否會影響其被面部識別技術(shù)識別的能力。面部識別使用模式識別模型結(jié)合圖像分析和深度神經(jīng)網(wǎng)絡(luò)進行獨特的生物特征測量，以解釋面部特征［15］。Chen等［16］采用面部識別神經(jīng)網(wǎng)絡(luò)對接受變性手術(shù)（男性變女性）患者的面部女性化手術(shù)的有效性進行了研究，收集了20例完成面部女性化手術(shù)患者術(shù)前和術(shù)后的標準化正側(cè)位圖，并以120例未手術(shù)的正常性別者的圖像作為正常對照圖像，結(jié)果顯示面部女性化手術(shù)后圖像的識別正確率為98%，提示AI技術(shù)能夠有效識別整形手術(shù)后的面部圖像。

2.2 醫(yī)學(xué)影像的輔助診斷 部分眼部疾病的診斷高度依賴于CT、磁共振、超聲等影像學(xué)證據(jù)，然而其診斷受限于臨床醫(yī)師的知識水平和臨床經(jīng)驗，基于ML的AI技術(shù)可以更高效地進行圖像的識別與分類，協(xié)助臨床醫(yī)師進行影像學(xué)結(jié)果的判讀。甲狀腺相關(guān)性眼?。═AO）是一種與內(nèi)分泌有關(guān)的免疫性疾病，可能導(dǎo)致失明和眼眶畸形，早期診斷和治療有利于控制疾病進展，但目前尚無有效的篩查方法。Song等［17］通過引入AI模型，對比了193例TAO患者和715例健康人群CT數(shù)據(jù)中再次采樣和提取感興趣區(qū)域，建立了一種基于眼眶CT的TAO篩選AI模型，并在臨床環(huán)境下對49例TAO患者和178例健康者進行外部驗證，受試者工作特征曲線下面積為0.919，其敏感度、特異度和準確度分別為0.88、0.85和0.87；研究者利用150例TAO患者和150例健康者的數(shù)據(jù)分別進行臨床條件下的應(yīng)用試驗，包括非劣勢試驗和診斷試驗，非劣勢試驗顯示AI組正確率為85.67%；該模型同時通過了非劣勢試驗（P=0.001）和診斷性測試（AI組敏感度為0.87，特異度為0.84），提示此AI模型可能作為一種新的TAO篩選工具。狹顱癥是先天性發(fā)育畸形，是生長發(fā)育過程中顱縫過早閉合所致，由于眼眶變淺，可引起突眼和分離性斜視等；顱內(nèi)壓升高后，晚期可能導(dǎo)致視神經(jīng)萎縮、視野缺損甚至失明。狹顱癥的診斷方法是CT影像結(jié)合體格檢查，但是目前尚無確定疾病嚴重程度的標準化方法。Bhalodia等［18］研究收集了17例5~15月齡的狹顱癥患者及65例正常對照者的CT影像，由專家進行分級，同時使用ShapeWorks軟件進行頭骨形狀分析，研究者運用ML的方法，將專家的分級與形狀分析模型相結(jié)合，通過CT影像來預(yù)測疾病的嚴重程度；結(jié)果顯示此方法能準確預(yù)測顱骨畸形程度與疾病嚴重程度的關(guān)聯(lián)性，有助于臨床醫(yī)師評估病情。隨著CT、磁共振成像等影像學(xué)檢查方法被用于疾病診斷，AI輔助的圖像評估可更大程度地提高結(jié)果判讀的精確度。

2.3 病理結(jié)果的判讀及輔助診斷 眼部及眼周皮膚腫瘤嚴重影響患者的健康及美觀，良性腫瘤可以通過電灼、冷凍等非手術(shù)方法治療，而惡性腫瘤則傾向于采用手術(shù)切除并進行病理學(xué)診斷。皮膚癌是較常見的惡性腫瘤，首先可以通過其外觀以及臨床表現(xiàn)進行初步臨床篩查，然后進行皮膚鏡分析、活檢和組織病理學(xué)檢查。由于皮膚病變外觀的變化細微，使用圖像對皮膚病變進行自動分類并不容易。Esteva等［19］研究設(shè)計了基于卷積神經(jīng)網(wǎng)絡(luò)的皮膚腫瘤檢測方法，使用大量臨床圖像訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)來定位和診斷病變區(qū)域，結(jié)果表明AI通過外觀圖像診斷皮膚腫瘤的準確性與皮膚科醫(yī)師相當。Seeja等［20］使用基于卷積神經(jīng)網(wǎng)絡(luò)的U-net算法對于皮膚病變進行自動分割，用以鑒別診斷黑色素瘤與良性皮膚病變，結(jié)果顯示，在深度學(xué)習(xí)環(huán)境中，其有助于提高皮膚病變的分類性能，能夠幫助醫(yī)師在皮膚鏡圖像上早期診斷黑色素瘤。眼部皮膚腫瘤早期體積較小時，肉眼有時難以敏銳地觀察到其臨床改變，容易造成漏診、誤診，利用AI技術(shù)通過外觀圖像可以進行早期診斷。

手術(shù)切除是眼部皮膚腫瘤的重要治療方法，診斷的金標準是標本的病理檢查結(jié)果，傳統(tǒng)的病理檢查方法受醫(yī)師的經(jīng)驗、精力等因素的影響較大，而且從標本送檢到最后結(jié)果的確認耗費時間長。AI不受個人因素的影響，能夠減小個體差異［21-23］，在病理診斷中的準確率并不低于傳統(tǒng)的人工鏡檢［2］。AI還可以從病理圖像中分析并提取數(shù)據(jù)，可用以發(fā)現(xiàn)更多的癌癥相關(guān)生物學(xué)標志物，是未來病理學(xué)發(fā)展的新方向［24-25］。

2.4 手術(shù)方案的設(shè)計 手術(shù)方案的設(shè)計是眼整形外科手術(shù)中的關(guān)鍵環(huán)節(jié)，與術(shù)后效果直接相關(guān)，制定最優(yōu)化的手術(shù)方案也是眼整形手術(shù)中的難點。傳統(tǒng)上如何設(shè)計手術(shù)方案取決于醫(yī)師既往的臨床經(jīng)驗，好的方案設(shè)計需要長時間的臨床訓(xùn)練和知識積累。此外，手術(shù)中術(shù)者還需要根據(jù)術(shù)中變化對預(yù)先設(shè)計的方案做出調(diào)整，這也延長了手術(shù)時間，增加了手術(shù)的不確定性。

面部缺陷和不對稱可以采用脂肪移植矯正，效果良好。既往評估面部缺陷以及治療計劃多采用CT、三維（3D）攝影測量法、高分辨率超聲和3D激光掃描等，每種技術(shù)各有其優(yōu)、缺點。Arias等［26］利用計算機輔助和3D打印技術(shù)進行手術(shù)模擬設(shè)計，實現(xiàn)了對面部缺陷區(qū)域的準確標記并量化了軟組織缺陷。眼整形外科醫(yī)師可應(yīng)用計算機輔助和3D打印技術(shù)在眼眶減壓手術(shù)中或眼窩凹陷脂肪填充手術(shù)中進行量化指導(dǎo)，而不是僅憑借直覺與目測，從而達到更好的手術(shù)效果。

Sosin等［27］在一項關(guān)于全臉、眼瞼、耳等組織移植的研究中借助計算機模擬技術(shù)為移植物的設(shè)計提供指導(dǎo)，并用其進行術(shù)后效果的預(yù)測與評估，結(jié)果表明，使用計算機模擬手術(shù)提供指導(dǎo)可縮短手術(shù)時間，提高術(shù)后效果的可預(yù)測性。對于因復(fù)雜眼外傷需要進行眼整形修復(fù)重建的患者，可以通過計算機模擬技術(shù)預(yù)先進行眼部皮瓣設(shè)計和模擬眼瞼重建來預(yù)測術(shù)后效果，以此幫助眼整形外科醫(yī)師制定精準的手術(shù)方案，縮短手術(shù)時間，改善預(yù)后。

2.5 手術(shù)后的效果評估 眼整形手術(shù)的最終目的是希望術(shù)后能夠達到預(yù)期的整形美容效果，而美是一個較為抽象的概念，人們對于美的評判往往受多種因素的影響，用于人面部美觀的客觀標準仍存在爭議。Zhai等［28］提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的面部檢測新方法，該技術(shù)較以往的基于幾何的評估方法具有更好的分類準確度。除此以外，面部數(shù)據(jù)庫的搭建也提高了使用AI技術(shù)進行面部美觀評估在臨床應(yīng)用中的可操作性。人眼部的美觀與面部整體密切相關(guān)，可以將該預(yù)測方法運用到眼部的美觀評估，通過術(shù)前與術(shù)后美觀對比來評價手術(shù)效果，應(yīng)用AI進行美觀評估可以為臨床醫(yī)師和患者提供一個更為客觀的評價結(jié)果。此外，3D攝像及測量等技術(shù)的發(fā)展為面部年輕化術(shù)后效果監(jiān)測提供了量化工具，眼整形外科醫(yī)師可利用其對眼整形術(shù)后眼部形態(tài)的改變進行預(yù)測［29］。

3 AI應(yīng)用的局限性

盡管AI在許多研究中均展現(xiàn)了其高效性與準確性，但是將AI技術(shù)用于醫(yī)學(xué)領(lǐng)域尚存一定的局限性。（1）AI存在黑箱特性，即AI系統(tǒng)的不透明性。由于該特性的存在，在應(yīng)用AI進行圖像分析時，操作者難以得到機器做出決策的直觀證據(jù)，理解AI網(wǎng)絡(luò)如何決策仍是應(yīng)用AI的一大挑戰(zhàn)［30］。（2）為了提高AI進行預(yù)測的準確性，往往需要大量高質(zhì)量圖像數(shù)據(jù)對機器模型進行訓(xùn)練，但人面部的表情豐富且拍攝角度很難完全一致，表情、視角、遮擋等因素都會影響圖像數(shù)據(jù)的質(zhì)量，高質(zhì)量圖像難以獲得。其次，不同的種族、文化及個人偏好都造成了對美的不同理解，這使得數(shù)據(jù)庫難以統(tǒng)一［27］。（3）用于訓(xùn)練的圖像數(shù)據(jù)中的識別點需要手動標記，這也給臨床醫(yī)師帶來了極大的工作量，繁重的臨床工作使其無額外精力來處理圖像數(shù)據(jù)，這些都限制了數(shù)據(jù)庫建立的速度。雖然AI在圖像處理方面表現(xiàn)了其重要的性能，但它只是憑借視覺標準做出預(yù)測，疾病的診斷不僅需要視覺，還需要將臨床信息進行整合，如果對AI做出的預(yù)測結(jié)果過于依賴，可能導(dǎo)致對某些重要信息的遺漏，因此將其直接用于臨床的安全性有待商榷［2］。

另外，在倫理學(xué)方面，Kohli等［31］將AI相關(guān)的倫理問題分為三類：數(shù)據(jù)、算法和實踐。為了維護數(shù)據(jù)質(zhì)量、安全以及為用戶使用，他們建議知情同意文件應(yīng)包括數(shù)據(jù)使用協(xié)議，并應(yīng)涉及記錄患者數(shù)據(jù)的第三方。與此同時，考慮到AI試圖優(yōu)化其所開發(fā)的功能，醫(yī)師們應(yīng)在優(yōu)化算法和實踐中使其做到對患者最有利。今后，與該領(lǐng)域密切相關(guān)的計算機科學(xué)將是實現(xiàn)AI工具解決臨床、研究和教育問題的關(guān)鍵所在。

4 小結(jié)與展望

隨著科技的發(fā)展，AI的應(yīng)用既帶來了機遇，也提出了挑戰(zhàn)。在整形外科中，AI在術(shù)前輔助診斷、手術(shù)方案的設(shè)計和手術(shù)后效果的評估中表現(xiàn)出了較大的應(yīng)用潛力。眼整形外科是一門精細的學(xué)科，AI精確的量化指標彌補了僅靠目測與直覺的不足，用其進行手術(shù)設(shè)計和模擬提高了術(shù)后效果的可預(yù)測性。盡管AI在應(yīng)用中展現(xiàn)出了許多優(yōu)越性，但其只是一種輔助手段，不能代替醫(yī)師進行臨床決策，隨著技術(shù)的不斷發(fā)展，AI可以更好地幫助醫(yī)師進行整形美容方面的評估和決策，在眼整形外科中將會有更廣泛的應(yīng)用。