Peter Wiedemann,惠延年(譯)

0 引言

人工智能(AI)的概念最早出現(xiàn)在20世紀(jì)50年代,是指“機(jī)器模擬人類的智力推理、決策和行為”[1-2],由計算機(jī)來執(zhí)行通常需要人類智能的任務(wù)。AI包括機(jī)器學(xué)習(xí)(ML)和深度學(xué)習(xí)(DL)組分。ML使用高質(zhì)量的典范性數(shù)據(jù)樣本訓(xùn)練其模型,然后將訓(xùn)練數(shù)據(jù)中識別的模式或規(guī)則應(yīng)用于新數(shù)據(jù),以辨別特征或做出預(yù)測。DL是一種機(jī)器學(xué)習(xí),其利用多層的人工神經(jīng)網(wǎng)絡(luò),從廣泛的數(shù)據(jù)集理解復(fù)雜的模式。

AI已經(jīng)在各個醫(yī)學(xué)領(lǐng)域得到了應(yīng)用。AI顯示出巨大潛力的一個領(lǐng)域是眼科,因為其高度依賴于成像技術(shù)和視覺數(shù)據(jù)[3]。近來,開發(fā)了一種基于AI的新方法,通過采用縱向的眼底影像和全基因組關(guān)聯(lián)分析,建立了人類視網(wǎng)膜衰老時鐘(human retinal aging clock)[4]。AI的總體潛能包括篩查、診斷分級,具備自動檢測疾病活動、復(fù)發(fā)、治療效果量化、預(yù)后的治療指南,以及確定新療法的相關(guān)靶點[5]。在過去10a,發(fā)表的眼科AI文章數(shù)量大幅增長,反映了這一主題日益增長的興趣和重要性[6]。然而,還沒有專門的期刊致力于刊載眼科AI文章,關(guān)于AI的文章分散在各種范圍和受眾均不相同的期刊上。本文簡要概述AI在眼科的主要應(yīng)用、挑戰(zhàn)和機(jī)遇。

眼科成像技術(shù),包括眼底數(shù)碼照相和相干光斷層掃描(OCT),是診斷和監(jiān)測眼部疾病進(jìn)展的關(guān)鍵方法。OCT已廣泛用于診斷和處理眼部疾病,如年齡相關(guān)性黃斑變性(ARMD)、糖尿病視網(wǎng)膜病變(DR)和青光眼。黃斑和視神經(jīng)的OCT影像是一種很有前途的DL應(yīng)用方式,這基于大量且不斷增加的OCT影像可用于訓(xùn)練DL系統(tǒng),這些OCT影像的結(jié)構(gòu)是一致的和三維的,并且有可能從細(xì)節(jié)中發(fā)現(xiàn)新的疾病生物標(biāo)志物。解釋OCT圖像可能具有挑戰(zhàn)性,特別是對于大規(guī)模篩查和縱向監(jiān)測。因此,將ML和DL方法應(yīng)用于OCT影像的解釋,可以提高基于OCT診斷的準(zhǔn)確性和效率[7]。

1 眼科AI的臨床應(yīng)用與益處

第一部分將討論AI在兩種最常見的、引起視力喪失的視網(wǎng)膜疾病,即DR和ARMD中的應(yīng)用,AI在上述疾病的準(zhǔn)確檢測和分類、實現(xiàn)及時干預(yù)和處理方面顯示出有希望的結(jié)果。第二部分將專注于AI在另一個全球主要致盲原因——青光眼中的作用,AI可以幫助早期診斷和疾病監(jiān)測,從而帶來更好的結(jié)果。第三部分將探討AI在眼前段疾病中的應(yīng)用潛能。最后,我們考量AI在提供遠(yuǎn)程醫(yī)療方面的應(yīng)用。

1.1AI在DR的應(yīng)用DR是影響全球數(shù)以百萬計患者視力損害和失明的一個重要原因。早期發(fā)現(xiàn)和治療DR可以預(yù)防視力下降,改善生活質(zhì)量。然而,由于費用、獲取機(jī)會和認(rèn)識等方面的障礙,許多患者沒能及時接受眼科檢查。因此,開發(fā)基于AI的DR自動檢測算法越來越受到重視。首個由美國食品藥品監(jiān)督管理局(FDA)批準(zhǔn)的自主診斷系統(tǒng)使用眼底影像對DR進(jìn)行診斷和分類[8]。幾種前沿的AI DR篩查技術(shù)已經(jīng)商業(yè)化,并顯示出有前途的結(jié)果[9]。DL是一種通常應(yīng)用的、基于AI的DR篩查系統(tǒng),其可以自動從視網(wǎng)膜影像中提取特征,在沒有人為干預(yù)和先驗知識的情況下鑒別正常和異常病例,由此提高DR篩查的準(zhǔn)確性和效率?；贏I的DR篩查系統(tǒng)的臨床影響和成本效益與傳統(tǒng)方法具有良好的可比性[7]。

1.2AI在ARMD的應(yīng)用隨著人口老齡化,臨床上迫切需要一個強(qiáng)健的AI系統(tǒng)篩選這些患者以進(jìn)行進(jìn)一步評估。DL對于常規(guī)的和ARMD的OCT影像的分類是足夠的和準(zhǔn)確的[3]。這對未來利用OCT進(jìn)行自動篩查和開發(fā)計算機(jī)輔助診斷工具具有重要意義。AI將成為科學(xué)調(diào)查、診斷和治療處理決策的一部分[10]。一項臨床前期研究探討了AI支持的工具在新生血管性ARMD治療決策中的安全性和有效性[11]。定量OCT成像生物標(biāo)志物可以在執(zhí)行新生血管性ARMD的治療和延長方案(treat &extend regimen)中預(yù)測視力結(jié)果和治療需要[12]。黃斑OCT影像是DL研究中的一種合適且具有挑戰(zhàn)性的數(shù)據(jù)來源。DL與OCT技術(shù)的結(jié)合在檢測視網(wǎng)膜疾病和提高眼后段疾病的診斷方面是可靠的[10]。預(yù)測和預(yù)后結(jié)論進(jìn)一步擴(kuò)大了AI在視網(wǎng)膜疾病中應(yīng)用的潛在益處,使個性化醫(yī)療和大規(guī)模管理成為可能[7]。ML和DL可以識別、定位和量化幾乎每一種黃斑和視網(wǎng)膜疾病的病理特征。此外,AI在小兒眼科中也有潛在的應(yīng)用價值,如早產(chǎn)兒視網(wǎng)膜病變的自動檢測,其結(jié)果與專家診斷結(jié)果相當(dāng)[13]。

1.3AI在青光眼的應(yīng)用來自視神經(jīng)和黃斑的結(jié)構(gòu)和功能測試的信息,使青光眼成為AI應(yīng)用的一個特別合適的領(lǐng)域[14]。DL可以分析不同類型的眼部影像,如眼底照片、OCT掃描、視野測試和房角鏡檢查視頻,并提供青光眼的自動診斷、分類和預(yù)測。DL還可以通過生成激活地圖(activation maps)突出圖像中感興趣的關(guān)鍵區(qū)域,從而增強(qiáng)我們對青光眼進(jìn)展過程的理解[15]。診斷和疾病監(jiān)測需要將臨床檢查的信息與視野測試的主觀數(shù)據(jù)和客觀生物特征數(shù)據(jù),包括角膜厚度測量、角膜遲滯、視神經(jīng)和視網(wǎng)膜成像相整合。由于缺乏對青光眼視神經(jīng)病變的存在和進(jìn)展的明確定義,這一復(fù)雜的過程變得更加難以處理,這使其容易受到臨床醫(yī)生錯誤解釋的影響。AI和AI驅(qū)動的工作流程已被認(rèn)為是可靠的解決方案[16]。

1.4AI在眼前段疾病的應(yīng)用AI在眼前段疾病中的應(yīng)用范圍較廣,有助于各種眼部疾病的診斷、治療和預(yù)后[17-18]。這里列舉與白內(nèi)障處理相關(guān)的4種應(yīng)用[19]。AI可以用作遠(yuǎn)程診斷平臺,通過裂隙燈和眼底照片對白內(nèi)障患者進(jìn)行篩查和診斷,并利用DL恰當(dāng)?shù)貦z測和分類提供會診的白內(nèi)障。一些最新的人工晶狀體公式已經(jīng)應(yīng)用AI提高預(yù)測精度,獲得了比傳統(tǒng)公式更優(yōu)的術(shù)后屈光結(jié)果。AI可以通過識別視頻上白內(nèi)障手術(shù)的不同階段增強(qiáng)白內(nèi)障手術(shù)技能培訓(xùn),并通過準(zhǔn)確預(yù)測手術(shù)步驟的時間優(yōu)化手術(shù)室工作流程。AI還可以有效預(yù)測后囊混濁的進(jìn)展和最終需要YAG激光后囊切開術(shù)。AI的這些進(jìn)展可以改變和優(yōu)化白內(nèi)障處理,使提供高效的眼科診療服務(wù)成為可能。此外,AI已被證明是疾病診斷、圖像解釋和角膜地形圖繪制的高效工具[17]。

1.5遠(yuǎn)程醫(yī)療和AI 兩者的結(jié)合為全球眼科醫(yī)生和醫(yī)療保健提供者面臨的挑戰(zhàn)提供了同步解決方案[20]。眼科在這兩個領(lǐng)域的成功可歸因于許多依賴于成像的調(diào)查技術(shù)。分析這樣的圖像既耗時又昂貴,而且容易出現(xiàn)人為錯誤。AI可以通過促進(jìn)遠(yuǎn)程眼科服務(wù)和減輕眼科醫(yī)生的負(fù)擔(dān)改善醫(yī)療公平性?；贏I的系統(tǒng)在簡化威脅視力的眼病篩查、分期和治療計劃方面至關(guān)重要,減輕眼科專家繁瑣的任務(wù),允許更好的人口覆蓋率,并為每位患者提供最好的可能的照護(hù)[5]。

此外,AI還可以協(xié)助確認(rèn)可預(yù)防的視力喪失患者,并將他們引導(dǎo)到醫(yī)生那里,特別是在發(fā)展中國家,訓(xùn)練有素的專業(yè)人員和醫(yī)生較少,不容易見到[21]。因此,通過自動化應(yīng)用系統(tǒng)檢測和治療DR、ARMD、青光眼及其它眼科疾病將是不可避免的[17]?；贏I的篩查項目與傳統(tǒng)方法一樣具有成本效益,同時保持相似的臨床有效性水平[22]。

近年來,FDA批準(zhǔn)的AI和ML算法的數(shù)量急劇增加。截至2023-01,FDA已經(jīng)批準(zhǔn)了520多種用于醫(yī)療用途的AI和ML算法[23]。AI應(yīng)用程序有各種影響其性能和價值的因素,如現(xiàn)實環(huán)境、數(shù)據(jù)質(zhì)量和數(shù)量、AI變量、算法以及應(yīng)用程序的目的和用途。在這些因素中,偏差和錯誤都可能發(fā)生。因此,在評估AI應(yīng)用時,至關(guān)重要的是使用循證醫(yī)學(xué)原則——這是有時才會達(dá)到的一個標(biāo)準(zhǔn)[24]。

2 倫理方面、轉(zhuǎn)化與結(jié)論

鑒于AI在醫(yī)學(xué)和眼科學(xué)的興起,定義其準(zhǔn)確性和可靠性將指導(dǎo)該領(lǐng)域未來的研究,增強(qiáng)其現(xiàn)實中的適應(yīng)性[25]。

在眼科應(yīng)用DL的潛在挑戰(zhàn)包括臨床和技術(shù)的挑戰(zhàn)、數(shù)據(jù)質(zhì)量、算法結(jié)果的可解釋性、醫(yī)學(xué)法律問題,以及醫(yī)生和患者對AI“黑箱”算法的接受程度。AI在醫(yī)學(xué)實施的生物倫理挑戰(zhàn)可以分為六大類,即機(jī)器訓(xùn)練倫理、機(jī)器準(zhǔn)確性倫理、與患者相關(guān)的倫理、與醫(yī)生相關(guān)的倫理、共同的道德規(guī)范如義務(wù)和罪責(zé)、問責(zé)制和責(zé)任以及監(jiān)管者的作用。這些類別反映出圍繞醫(yī)學(xué)和眼科AI的倫理問題所涉及的多個利益相關(guān)者[8]。

AI可能會在未來徹底改變眼科的實踐方式。通用醫(yī)學(xué)AI(GMAI)模型可以用很少或沒有特定任務(wù)的標(biāo)記數(shù)據(jù)來執(zhí)行各種任務(wù)[26]?？焖侔l(fā)展、高度靈活、可重復(fù)使用的AI模型可能會帶來新發(fā)現(xiàn)的醫(yī)療能力。研究人員、臨床醫(yī)生、行業(yè)合作伙伴、監(jiān)管機(jī)構(gòu)和患者之間的協(xié)作對于將AI成功地整合到患者照護(hù)中至關(guān)重要[9,27]。因此,基于AI的篩查系統(tǒng)的未來發(fā)展方向和機(jī)遇包括整合多模式數(shù)據(jù)資源、結(jié)合臨床結(jié)果,并改善用戶體驗。它們必須展示臨床可接受的性能,改進(jìn)AI模型在異質(zhì)人群中的通用性,并提高最終用戶的信任[19]。開放獲取的數(shù)據(jù)集和軟件可以緩解這些問題,鼓勵進(jìn)一步的應(yīng)用[13]。將研究成果轉(zhuǎn)化為臨床實踐是AI在衛(wèi)生醫(yī)療中實施的一個重大挑戰(zhàn)。AI的實際應(yīng)用還必須解決監(jiān)管和組織方面的挑戰(zhàn)?？茖W(xué)基礎(chǔ)是現(xiàn)代醫(yī)學(xué)的基本要素。因此,循證醫(yī)學(xué)原則和人的判斷必須透明地評估基于AI眼科應(yīng)用的客觀性(獨立于不受控制的影響因素)、可靠性(可信任)和合法(有效性),以防止患者風(fēng)險。