人工智能助力近视防控新共识

参考引用

《人工智能在近视防治中的应用专家共识(2024)》专家组,国际转化医学会眼科学专委会,中国医药教育协会眼科影像与智能医疗分会,等. 人工智能在近视防治中的应用专家共识(2024)[J].中华实验眼科杂志,2024,42(8):689-697.

DOI: 10.3760/cma.j.cn115989-20231207-00200.

【摘要】近视是全球性公共卫生难题，未矫正近视严重影响视力，且高度近视易引发不可逆眼底病变。人工智能在近视的早期识别、风险分层及干预方面潜力巨大。本专家共识总结了AI应用现状，旨在为精准医疗提供参考。

【关键词】近视防控；人工智能；深度学习；机器学习

基金项目：国家自然科学基金（82160195）；江西省双千计划科技创新高端领军人才项目（jxsq2023201036）；江西省重大（揭榜挂帅）研发专项计划（20223BBH80014）

国际实践指南注册：http：//www.guidelines-redistry.cn，IPGRP-2023CN774

DOI:10.3760/cma.j.cn115989-20231207-00200

目前，全球近视人口超过20亿，亚洲患病率极高。未矫正近视及并发症导致巨大的经济损失。病理性近视引发多种不可逆眼底病变，因此早期识别与干预至关重要。

在中国，近视防控虽为国家战略，但仍面临挑战。AI在眼科影像分析方面潜力巨大。专家组通过文献研讨及会议论证，历时一年制定此共识，旨在解决近视领域的应用难题。

2.1 近视临床数据管理

近视受生活方式、遗传和环境共同影响。临床诊疗会产生海量数据，需采集病史及环境信息。检查手段多样，数据以数字化为主。鉴于数据繁杂，机器学习能有效处理非线性数据，协助完成近视管理任务。

2.2 近视常用AI技术及评估指标

研究常综合比较多种模型以选出最优。评估指标涵盖分类任务的准确率、回归任务的均方误差等。常用技术包括支持向量机、深度学习及其基础网络结构，如ResNet和Unet。

3.1 AI在儿童近视防治中的应用

儿童近视防治中，AI可用于远程筛查、进展预测及辅助角膜塑形镜验配。眼底图像模型能识别高风险儿童，实现早期干预。

3.2 AI在成人近视防治中的应用

成人领域侧重于高度近视及并发症（如黄斑病变）的检测分级。AI模型在诊断上与专家高度一致，并能辅助屈光手术预测及术后管理。

3.3 AI在近视不同诊疗流程中的应用

近距离工作和户外活动是关键因素。智能可穿戴设备可监测用眼情况，AI通过即时反馈提醒用户改善用眼习惯，从而延缓近视发展。

3.4 AI在近视进展预测中的应用

近视受遗传、环境等多因素影响。传统检查费时费力，尤其在资源匮乏地区。深度学习技术能准确预测近视进展，为制定防控政策提供依据。

3.5 AI在近视预后预测中的应用

ML模型能提前数年预测高度近视风险，辅助医生评估眼轴增长。AI还能提升患者依从性，优化治疗效果。

3.6 AI在近视个体化干预及持续管理中的应用

AI能辅助解读眼底图像，检测早期并发症。对于高度近视患者，AI有助于监测视网膜变化，是实现个体化精准治疗的关键。

基于AI近视防治面临的主要挑战及解决策略主要包括：(1)数据集泛化性能较差及其应对策略AI在近视防治中采用的数据集大多数