EyeWorld China March 2025 Issue

28 EyeWorld Asia-Pacific | March 2025 医生简介 Renato Ambrósio Jr., MD, PhD | Adjunct Professor of Ophthalmology, Federal University of the State of Rio de Janeiro, Rio de Janeiro, Brazil | dr.renatoambrosio@gmail.com Ella Faktorovich, MD | Pacific Vision Institute, San Francisco, California | ella@pacificvision.org Nambi Nallasamy, MD | Assistant Professor of Ophthalmology and Visual Sciences, Assistant Professor of Computational Medicine and Bioinformatics, University of Michigan, Kellogg Eye Center, Ann Arbor, Michigan | nnallasa@med.umich.edu Travis Redd, MD | Assistant Professor of Ophthalmology, School of Medicine, Oregon Health & Science University, Portland, Oregon | redd@ohsu.edu 声明Ambrósio: Alcon, Ambrósio Vision Academy, Brazilian Artificial Intelligence Networking in Medicine (BrAIN), Carl Zeiss Meditec, Mediphacos, Oculus Faktorovich: None Nallasamy: Recordati Rare Diseases Redd: None 参考文献 1. Maeda N, et al. Neural network classification of corneal topography. Preliminary demonstration. Invest Ophthalmol Vis Sci. 1995;36:1327–1335. 2. Ambrosio Jr R, Randleman JB. Screening for ectasia risk: what are we screening for and how should we screen for it? J Refract Surg. 2013;29:230–232. 3. Ambrósio Jr R, Belin M. Enhanced screening for ectasia risk prior to laser vision correction. Int J Keratoconus Ectatic Corneal Dis. 2017;6:23–33. 4. Ambrósio Jr R. Post-LASIK ectasia: twenty years of a conundrum. Semin Ophthalmol. 2019;34:66–68. 5. Dupps WJ, Seven I. A large-scale computational analysis of corneal structural response and ectasia risk in myopic laser refractive surgery. Trans Am Ophthalmol Soc. 2016;114:T1. 6. McGhee CNJ, et al. Contemporary treatment paradigms in keratoconus. Cornea. 2015;34 Suppl 10:S16–23. 7. Ambrósio Jr R, et al. Optimized artificial intelligence for enhanced ectasia detection using Scheimpflug-based corneal tomography and biomechanical data. Am J Ophthalmol. 2023;251:126–142. 本文最初发表在2024年9月期EyeWorld。获得ASCRS Ophthalmic Services Corp批准,稍轻修改发表于此。 其它AI进展 Dr. Nallasamy 介绍了人工智能在眼前节其他领域的应用。他 说,目前Maria Woodward, MD正在开展一项临床试验,研究微 生物性角膜炎。这项工作开发了识别角膜溃疡相关关键参数的 算法。他说,这项研究可能有助于给一个通常是主观的世界提供 一些客观性。 他说:“通常,我们对这些患者进行了裂隙灯检查。我们甚至经常 不拍照,只依靠观察病情是好转还是恶化,并相应地改变治疗 方法,但有了这些工具,我们将能够严格随诊病灶大小和治疗反 应,并进行精细调整。” Dr. Nallasamy 说,他的实验室正在使用共聚焦显微镜和人工智 能开发一种系统,该系统可以早期自动诊断角膜感染的类型,而 不仅仅是跟踪其对治疗的反应。 另外,Dr. Nallasamy表示,他的实验室还在为白内障手术创建 一个术中决策工具,该工具将使用人工智能,根据眼对手术的实 时反应,帮助手术医生更好地了解患者在手术过程中是否可能 需要瞳孔扩张装置。 同样在前节,Dr. Nallasamy提到了Carol Karp,MD正在进行的 工作,使用前节OCT和AI开发了一种可以鉴别OSSN和良性肿瘤 的系统。 “为了充分利用治疗低阶和高阶像差的力量,列线图的使用至关重 要。因此,人工智能是获得最佳术后视力的关键组成部分,” 她说。“ 我们使用[机器学习]人工智能和[基于规则的]人工智能来规划地形 图引导的手术治疗。通过[机器学习]AI,线性回归分析公式,我们能 够准确地规划球镜、柱镜和高阶像差的治疗,如球差、慧差、三叶草 等。通过[基于规则]人工智能,我们可以整合角膜像差仪和地形图仪 的数据,不仅可以帮助决定患者是否会从地形图引导治疗中受益, 还可以帮助确定编程到激光中以获得最精确结果的治疗方法。然后 将关于视力、屈光不正和高阶像差的术后结果数据输入到另一个人 工智能驱动的软件中,为后续接受治疗的患者生成列线图。 未来,Dr. Faktorovich表示,她设想人工智能将用于提高诊断能 力。Dr. Redd表示,要将人工智能在屈光手术(以及眼前节整体)中的 应用提升到一个新的水平,需要做一些事情。 “深度学习模型已经开发出来,可以成功地对几种眼前节疾病进行 基于图像的诊断,包括圆锥角膜、感染性角膜炎、翼状胬肉和沙眼 等。人工智能模型也经过训练,可以量化疾病进展和反映疾病严重 程度的各种生物标志物,从而更客观地监测随时间推移的疾病进展 和治疗反应,”他说。“然而,目前美国食品药品监督管理局授权的眼 科唯一支持人工智能的AI-enabled SaMD(医用软件)是用于糖尿 病视网膜病变的自动诊断。眼科文献中描述的人工智能模型数量很 大,而临床上实施的为数不多,引起这种差距的原因有很多,但其中 最主要的原因是缺乏用于训练和评估人工智能模型的代表性数据 集,跨学科合作有限,以及缺乏明确界定的报销模型。” 屈光手术

RkJQdWJsaXNoZXIy Njk2NTg0