随着大型图像数据库电子病历的出现，以及深度学习的人工智能的进步，为医疗专业人员提供了改善图像分析和疾病诊断的新机会。
来自美国马里兰州约翰霍普金斯大学应用物理实验室（APL）的研究人员和约翰霍普金斯医学院的合作者开发了用于诊断年龄相关性黄斑变性（Age-relatedmaculardegeneration,AMD）的图像分析和机器学习工具。在NatureMedicine杂志中中，团队成员讨论了这些工具在临床上应用的潜力，并将其应用于其他基于图像的医疗诊断。
年龄相关性黄斑变性（AMD）会破坏患者的中央视力，影响阅读、人脸识别和驾驶等活动，它是导致50岁以上人群失明的原因之一。通常，AMD的大部分视力丧失是不可逆转的，因此对AMD的早发现，尤其是在发生实质性视力丧失之前的诊断尤为重要。
图片来自网络，AMD受损后的视力。
年，Burlina和APL的同事们与约翰霍普金斯威尔默眼科研究所联手开展AMD诊断自动化的方法。在JAMAOphthalmology最近发表的一项研究中，他们证明使用深度学习（Deeplearning,DL）的机器诊断可以与人类眼科医生的表现相匹配。
该项目的联合首席研究员，APL的PhilippeBurlina说它们已经能够证明AMD严重程度的自动细粒度分类的可行性，而这只有训练有素的眼科医生才能完成。这些技术有可能为患者提供自动分级的图像，以识别AMD或监测早期阶段AMD患者的更严重的发病阶段，从而指导早期治疗以降低失明风险。
该团队还扩大了研究范围，纳入了光学相干断层扫描（OCT）中的视网膜层表现，OCT是一种无创成像技术，可提供视网膜、视网膜神经纤维层和视神经乳头的高分辨率横断面图像。这些技术可用于诊断其他视网膜疾病，如糖尿病视网膜病变，但这些技术也有助于发现血管和神经退行性病变。
Burlina说，他们能够证明在对AMD的诊断中，机器的表现和人类不相上下。所以现在他们已经开始研究其他视网膜疾病，以及如何将图像与其他信息来源相结合，比如人口统计学、吸烟和阳光照射等生活方式因素，自动执行预测，并预测未来五年内疾病进展到晚期的可能风险。研究的最终目标是帮助临床医生并指导治疗。“
今年，该团队扩大了合作范围，包括新加坡国家眼科中心的科学家，并在几个不同的亚洲种族群体中测试其算法，包括马来西亚、印度和中国。在年5月出版的NatureMedicine上发表的题为“AIforMedicalImagingGoesDeep”的文章中，研究小组回顾了研究界最近的工作，研究了AI应用于视网膜图像诊断的潜力，并讨论了技术转化所需的要求，以及将这些技术用于临床和保健场景所需的未来工作。
Burlina表示，研究人员还将与泰国、医院合作，探索如何根据特定种族，人口统计和成像捕捉方案对不同种族和条件的数据库进行训练。
作者寄语年龄相关性黄斑变性（AMD）是50岁以上老年人中致盲的主要疾病之一，目前以激光治疗或者抗VEGF治疗为主，但是这些治疗基本上都针对的是比较晚期的，患者的视力已经出现了不可逆性的损害；因此早发现、早治疗对于AMD患者意义尤为重要，尤其现在老龄化社会来临，而文中提到的AI深度学习对AMD的诊断如果能在早期筛查中真正得到应用，那么无论是对AMD患者、对眼科医生还是对整个医疗保健行业都是一个巨大的喜讯！
关于AI诊断AMD，欢迎您北京白癜风到底能治好吗北京现在治疗白癜风得多少钱
