38 EyeWorld Asia-Pacific | December 2024 新闻和观点 近视—一个全球性的公共卫生问题 近视现在被认为是一个日益严重的全球健康问题——全球有超过20 亿人患有近视，预计到2050年将增加到近50亿。1不仅在亚洲，而且 在全世界，户外活动时间的减少以及更多的户内屏幕使用时间，导 致了学生近视发病率的上升。高度近视（HM）的进展与不可逆的、威 胁视力的并发症有关，如近视性黄斑变性（MMD）和近视相关的视神 经病变。近视及其并发症的健康负担和经济影响呈指数级增长，到 2050年，全球近视护理成本预计将增至8700亿美元。2 由于大多数近视病例是在儿童时期发生的，因此近视控制干预措施 只有在早期、适当实施才有效。3因此，近视控制策略应包括早期发现 近视儿童，识别近视进展风险较高的儿童；及时、个性化的干预，以 防止此类“高危”儿童的病情发展。4环境和行为改变，如增加户外时 间，减少室内近距离工作或屏幕使用时间，仍然是必不可少的策略。 此外，许多近视控制干预措施，如阿托品滴眼液、专用隐形眼镜和特 殊设计的眼镜，已被证明能有效减缓近视的发展。5 由于近视的眼轴拉长是不可逆的，HM成年人有发生病理性近视 （PM）和其他近视相关并发症的风险。这包括早发性白内障、视网膜 脱离和周边视网膜变性的风险增加。不幸的是，与PM相关的并发症 的治疗手段有限，如后葡萄肿、MMD或近视相关的视神经病变。 人工智能在近视管理中的作用 人工智能（AI）正在成为一种潜在的辅助工具，帮助临床医生早期发 现和管理近视。6，7这些算法可用于支持各种近视控制策略：（1）检 测——促进对近视和/或其并发症的快速、定量评估；（2）预测——预 测有风险的儿童或更有可能患上HM或PM的个体；(3) 反应——确定 各种可用的治疗方法对哪些人会有反应，从而实现个性化的近视管 理。8 by Marcus Ang, MD 人工智能在近视 控制中的作用 例如，我们之前描述过，使用单一的基线眼底图像，具有>90%预测 性能的算法，可以预测6至12岁之间的多种族学龄儿童，5年后发展 为高度近视的风险。这有可能被实施到社区或学校为基础的筛查计 划中，以识别有风险的儿童，以便进一步的评估，必要时进行干预。8 在不久的将来，将出现支持儿童和成人近视管理的新型人工智能技 术。这些技术包括多模态人工智能、解释性人工智能（XAI）、自动机器 学习（AutoML）、联邦学习（FL）、生成对抗网络（GAN）等合成人工智 能技术，以及利用大型语言模型（LLM）（即ChatGPT）的自然语言处 理（NLP）。9 讨论-人工智能会取代近视专科医生吗？ 世界卫生组织（WHO）和国际防盲协会等公共卫生机构已经认识到， 人工智能和数字技术将在解决近视问题上发挥重要作用，因为近视 正日益成为全球公共卫生领域的一个挑战。最近使用更大数据集、 更复杂计算方法的人工智能研究的兴趣和兴起，会促进可用于更大 规模的近视管理项目的更多有用的辅助工具的诞生。 然而，尽管这些人工智能技术在支持近视管理方面有着巨大的前 景，但临床医生仍需决定适当的近视控制策略，以及推荐哪些干预 措施。此外，仍然存在全球性挑战，包括实施的技术或基础设施障 碍、监管和数据安全问题，以及卫生系统的整合。在东亚的许多社会 中，公众对近视及其潜在并发症的认识不足，这也可能阻碍人们对 这些新型数字技术的接受。 尽管如此，包括自动化机器学习、大型语言模型和联邦学习在内的 新型人工智能模式，可以通过提供精准医疗、提高健康素养或公众 意识，在未来发挥重要作用。有一个全球认识，需要借助人工智能等 新型数字技术，加强跨部门的合作，提供循证的世界级近视管理，以 解决这一日益严重的公共卫生问题。10
RkJQdWJsaXNoZXIy Njk2NTg0