近日，中國(guó)科學(xué)院計(jì)算技術(shù)研究所研究團(tuán)隊(duì)和愛(ài)爾眼科合作發(fā)布青光眼預(yù)測(cè)的科研成果，該研究成果在IEEE Transactions on Medical Imaging（IF=11.037）發(fā)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(fā)病概率可實(shí)現(xiàn)個(gè)體精準(zhǔn)預(yù)測(cè)，這將使青光眼患者在成為“患者”前就被發(fā)現(xiàn)成為可能。極大提升青光眼患者的早診早治率，從而進(jìn)一步降低青光眼致盲率。

這是繼今年2月“愛(ài)爾眼科-中科院計(jì)算所2023年戰(zhàn)略規(guī)劃會(huì)議”成功召開(kāi)后，發(fā)布的又一個(gè)雙方合作研究成果。此研究對(duì)2000多幅時(shí)間間隔不一的眼底影像進(jìn)行立體化、全方位的深入研究，提出基于時(shí)間敏感自注意力機(jī)制的青光眼患病智能輔助預(yù)測(cè)算法，實(shí)現(xiàn)青光眼發(fā)病概率個(gè)體的精準(zhǔn)預(yù)測(cè)。

3月12日-3月18日是第16個(gè)“世界青光眼周”，今年的青光眼周主題是“關(guān)注青光眼：共識(shí)保視野，指南護(hù)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(jù)估計(jì)，全世界約有7800萬(wàn)人患有青光眼，到2040年，這一數(shù)字將升至1億1000萬(wàn)。但由于青光眼早期癥狀不明顯，約有50％的青光眼患者會(huì)延誤就醫(yī)，從而導(dǎo)致不可逆轉(zhuǎn)的視神經(jīng)損傷。

中華醫(yī)學(xué)會(huì)眼科學(xué)分會(huì)發(fā)布的《中國(guó)青光眼指南（2020）》顯示，2020年全球原發(fā)性青光眼患病人數(shù)超過(guò)7600萬(wàn)，我國(guó)達(dá)到了2100余萬(wàn)，其中致盲人數(shù)可達(dá)567萬(wàn)。這其中慢性青光眼占半數(shù)以上，而慢性青光眼早期多無(wú)癥狀，發(fā)現(xiàn)時(shí)通常已是晚期，因此越早地發(fā)現(xiàn)、干預(yù)與治療青光眼，是防止青光眼致盲zui為重要的手段。

現(xiàn)階段已有的人工智能主要針對(duì)青光眼的診斷開(kāi)展，通常通過(guò)自動(dòng)分割視杯視盤計(jì)算杯盤比來(lái)診斷是否患有青光眼。而針對(duì)青光眼的早期預(yù)測(cè)問(wèn)題，即通過(guò)輸入患者的一段時(shí)間內(nèi)的序列影像，判斷患者未來(lái)患有青光眼的可能性，鮮有研究。目前已有的算法DeepGF 基于LSTM(long short-term memory) 循環(huán)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，存在檢測(cè)精度有限，且不能預(yù)測(cè)患者給定時(shí)刻患病的概率等不足。

針對(duì)現(xiàn)有算法存在的局限性，研究團(tuán)隊(duì)提出基于時(shí)間敏感自注意力機(jī)制的青光眼患病預(yù)測(cè)算法GLIM-Net，即輸入拍攝的序列眼底影像，以及對(duì)應(yīng)的時(shí)刻信息，輸出給定時(shí)刻患青光眼的概率；針對(duì)如何有效的編碼時(shí)間信息，研究團(tuán)隊(duì)進(jìn)一步提出了時(shí)間位置編碼模塊（Time Positional Encoding）和時(shí)間敏感的多頭自注意力模塊（Time-sensitive MSA），根據(jù)時(shí)間間隔調(diào)整對(duì)不同影像的關(guān)注度。

研究團(tuán)隊(duì)將提出的GLIM-Net與公開(kāi)數(shù)據(jù)集SIGF和Tumor-CIFAR上的已有算法進(jìn)行了對(duì)比，結(jié)果顯示在SIGF數(shù)據(jù)集上，GLIM-Net取得了平均89.5%的準(zhǔn)確率，達(dá)到了業(yè)界zui優(yōu)水平，其他指標(biāo)也均為zui優(yōu)；同時(shí)，在Tumor-CIFAR數(shù)據(jù)集上亦為業(yè)界zui優(yōu)。

本算法在預(yù)測(cè)一段時(shí)間內(nèi)青光眼患病概率的變化情況，可以看到，如果患者從陰性變成陽(yáng)性，那么中間時(shí)刻患病概率是增加的，如果患者沒(méi)有轉(zhuǎn)陽(yáng)，那么中間時(shí)刻患病概率無(wú)顯著增加，這進(jìn)一步說(shuō)明了本算法在預(yù)測(cè)未來(lái)時(shí)刻患病概率的有效性。