刚刚在线发表在《自然医学》上的一篇文章介绍有两个新的人工智能程序可以预测哪些眼睛最有可能发展成与年龄相关的黄斑变性（AMD）的最严重形式。这是DeepMind, Moorfields眼科医院，NIHR生物医学研究中心和伦敦大学学院眼科研究所的联合研究。
研究者认为在经过临床试验验证之后，这些程序可以帮助临床医生确定他们需要密切关注的眼睛，以便他们可以迅速开始治疗，甚至可以提前进行预防性治疗。约翰·霍普金斯医学院威尔默眼科研究所信息技术主任迈克尔·博兰德博士说：“这是迈出的第一步， 这正是算法可能擅长的确切任务。”
年龄相关性眼病研究（AREDS）抗氧化剂和维生素制剂通常可以减缓AMD的进展，抗血管内皮生长因子（VEGF）药物的早期治疗通常可以有效地保存视力。但是为每个人开AREDS处方将有昂贵且潜在的危险，并且没有足够的眼底专家和设备来检查每个人的眼睛。 密切监视那些符合当前随访标准的眼睛，也非常耗时。新研究从不同方面解决了这些问题。
研究人员指出许多单眼湿性AMD患者依靠另一只眼的清晰视力生活， 但其中百分之二十的患者的另一只眼睛最终会发展为相同的状况，从而严重限制了这些患者的日常活动。如果在湿性AMD开始后立即使用抗VEGF药物治疗是最有效的。但是监视需要使用光学相干断层扫描（OCT），这很难经常进行。
“我们能否在临床可行的时间范围内确定好眼的命运？” UCL的眼科学和脑科学副教授Pearse Keane博士为了回答这个问题，将研究转向了人工智能最热门的领域：深度学习，其中计算机模拟人脑的神经网络，在数据集中寻找微妙但重要的模式。
研究者使用了对2795名患者进行的OCT扫描数据集，应用深度学习以两种方式训练计算机。首先，他们对计算机进行编程，以识别扫描中的解剖学特征，例如玻璃疣体积，地图样萎缩和高反射病灶，并寻找这些特征在各个阶段与湿性AMD的发展之间的相关性；其次，他们编程查看扫描的原始数据，从而识别出与湿性AMD的发展相关的体素中的新模式。最后，他们将这两个过程的结果合并为一个程序，并测试了该程序是否可以预测向湿性AMD的转换。该程序可以预测大多数眼睛的疾病转归，但有时也会出错。研究人员测试了两种设置：一种经过校准以识别将在6个月内转归的眼睛的最大比例，另一种经过校准以最小化该期间的错误数量。
在第一个设置中，系统的真阳性率达到78％，假阳性率达到56％。在第二种设置中，它的真阳性率为41％，假阳性率为17％。为了将计算机的性能与熟练人员的性能进行比较，研究人员使用了一部分数据，在转归前的6个月中随机选择了至少一次扫描。他们要求系统识别出哪些扫描来自后来转变为湿性AMD的眼睛。然后，他们将这些结果与六位临床医生（三位眼底病专家和三位接受过眼底病识别培训的视光师）的结果进行了比较。该系统的性能优于五名临床医生，并且与一名（视光师）相匹配。即使他们向临床医生提供了眼底图像、以前的OCT扫描和临床信息，该系统也更加准确。（计算机的F1得分为0.38，人类的F1得分为0.23-0.33。）
研究者在临床上使用该系统之前，仍需要对其进行测试。但需要承认的是，现阶段对于转化为湿性AMD的眼睛即使识别出来也并没有非常有效的预防措施。
在另一项刊登在《转换视觉科学与技术》研究中，研究人员认为他们的技术可以更直接的应用于临床。这个国际团队使用深度学习对他们的计算机进行了培训，以对最初用于测试AREDS配方有效性的研究中4139名参与者的彩色眼底照片的严重程度进行分类。他们将这些严重程度评分与社会人口统计学临床数据和其他影像学数据相结合。然后，他们应用了逻辑模型树学习技术（一种使用逻辑回归而不是神经网络的人工智能系统）来预测进展为晚期AMD的风险。
该系统以99.2％的准确度预测疾病的进展。在2年内，预测进展为晚期干性AMD的准确度为66.88％，预测为湿性AMD的进展的准确度为67.15％。 有趣的是研究人员没有通过对照人类临床医生的测试来验证其系统，而是在与Nutritional AMD Treatment-2（NAT-2）研究不同的数据库上对其进行了测试。在此数据集上，该系统对AMD的2年后期预测精度为84％。
研究者认为该系统不仅可以用于识别需要密切监视的AMD患者，还可以通过远程医疗对数百万尚未被诊断出患有该病的人进行筛查。 但系统也要克服一些障碍，比如AREDS数据集主要由已经被诊断患有AMD的人组成，只有少数“正常人”。而且该数据集不包括患有白内障，糖尿病和其他可能混淆结果的人， 并没有真正的进入社区拍照。
