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