Artificial intelligence will
bring ‘reality’ to glaucoma diagnosis
 |
| 台灣區電信工程工業同業公會 |
【圖片來源：IBM Research Blog 所有者：IBM Research Blog 】
青光眼是世界上致盲的第二大原因，在40歲及以上的人群中，有3.5%的人受到青光眼的影響。2010年，有6050萬人受到這種疾病的影響，預計到2020年這一數字將升至8000萬人。
雖然現有的治療方法可以阻止疾病的發展，但它們無法恢復視力。因此，早期發現和及時干預，是青光眼臨床治療的重要問題。IBM Research與紐約大學就「青光眼治療」進行了一項研究，全文編譯如下：
雖然現有的治療方法可以阻止疾病的發展，但它們無法恢復視力。因此，早期發現和及時干預，是青光眼臨床治療的重要問題。IBM Research與紐約大學就「青光眼治療」進行了一項研究，全文編譯如下：
視野測試反映了患者，在整個視覺空間內的視力範圍，並被用於診斷各種疾病。例如，青光眼引起的視覺神經損傷，會導致上視野和下視野的特徵性視野缺損。
雖然其他條件能夠以類似青光眼的方式，影響視網膜結構，但對視力的影響往往是非常不同的。因此，這些測試是診斷過程中不可或缺的一部分。
雖然其他條件能夠以類似青光眼的方式，影響視網膜結構，但對視力的影響往往是非常不同的。因此，這些測試是診斷過程中不可或缺的一部分。
然而，由於這些測試完全依賴於患者的反饋，它們對患者的警覺性是主觀的。眾所皆知，一天中的時間，是影響患者在這些測試中的表現的一個因素，早晨的狀態要比午間的好。因此，一個人可能需要進行多次測試，來精確測量任何視力損失。
從生物學的角度來看，我們知道視覺功能和視網膜結構之間存在關聯。這裡出現了一個有趣的研究問題：我們能透過非侵入式技術成像，直接從眼睛的結構中，估計視覺功能嗎？答案是肯定的，因為IBM的研究人員們已經發現，視網膜成像數據中的資訊可以幫助評估青光眼的存在。
IBM Research與紐約大學合作開展了一項研究，採用數據驅動的方法，利用深度學習技術來探索這個問題，其研究以前所未有的精度，從單個光學相干斷層掃描(OCT)圖像中，估計視場指數(VFI)， Pearson相關係數為0.88。
VFI是一個代表整個視野的國際指標，透過人工智慧精確捕捉，為未來可能使用此分析，快速評估患者視覺功能的技術奠定基礎。這可以讓專業人士在診斷青光眼收集數據時，獲得更精確的資訊，而不需要進行多次耗時的測試。
VFI是一個代表整個視野的國際指標，透過人工智慧精確捕捉，為未來可能使用此分析，快速評估患者視覺功能的技術奠定基礎。這可以讓專業人士在診斷青光眼收集數據時，獲得更精確的資訊，而不需要進行多次耗時的測試。
傳統的OCT結構測量，如視網膜神經纖維層(RNFL)厚度和神經節細胞內叢狀層(GCIPL)厚度，在青光眼目標位置已知的情況下，都無法達到這個精確度。研究顯示，OCT捕捉到的結構測量，包含了與功能測量高度相關的資訊，這在專業人員尋求診斷方法時非常有用。
青光眼的另一個重要挑戰是其進展速度，這需要仔細分析多次就診的數據。IBM的研究已經使用機器學習，解決了這個問題，它已經顯示，可以預測未來訪問時的視覺功能測試結果。總有一天，這種能力可以幫助專業人士，更好地預測疾病的開始和發展，並相應地調整治療方法。
這項研究將於4月28日至5月2日在加拿大溫哥華舉行的ARVO(視力和眼科研究協會)年會上發表。IBM研究團隊將與紐約大學一起，就青光眼檢測和管理的各個方面提出7篇摘要。
沒有留言:
張貼留言