热门看点：致盲性疾病青光眼发病率可实现个体精准预测

(资料图片仅供参考)

3月12日-3月18日是第16个“世界青光眼周”，今年青光眼周的主题是“关注青光眼：共识保视野，指南护光明”。近日，中科院计算技术研究所团队和爱尔眼科合作，实现青光眼发病率个体精准预测，有望使患者在发病前就被发现。该成果极大提升了青光眼患者的早诊早治率，从而进一步降低青光眼致盲率。相关论文日前在IEEE Transactions on Medical Imaging发表。

青光眼是全球第二大致盲性眼病和排名首位的不可逆致盲性疾病。但由于青光眼早期症状不明显，约有50％的青光眼患者会延误就医，从而导致不可逆转的视神经损伤。中华医学会眼科学分会发布的《中国青光眼指南（2020）》显示，2020年全球原发性青光眼患病人数超过7600万，我国达到了2100余万，致盲人数可达567万。其中慢性青光眼占半数以上，而慢性青光眼早期多无症状，发现时通常已是晚期，因此尽早发现、干预与治疗青光眼，是防止青光眼致盲最为重要的手段。

现阶段已有的人工智能主要针对青光眼的诊断开展，通常通过自动分割视杯视盘计算杯盘比来诊断是否患有青光眼。而针对青光眼的早期预测问题，即通过输入患者的一段时间内的序列影像，判断患者未来患有青光眼的可能性，学界对此鲜有研究。目前已有的算法DeepGF 检测精度有限，且不能预测患者给定时刻患病的概率。

此次的新研究对两千多时间间隔不一的眼底影像进行立体化、全方位的深入研究，提出基于时间敏感自注意力机制的青光眼患病智能辅助预测算法，实现青光眼发病率个体的精准预测。

针对现有算法存在的局限性，联合研究团队提出基于时间敏感自注意力机制的青光眼患病预测算法GLIM-Net，即输入拍摄的序列眼底影像以及对应的时刻信息，可输出给定时刻患青光眼的概率。针对如何有效地编码时间信息，研究团队进一步提出了时间位置编码模块和时间敏感的多头自注意力模块，根据时间间隔调整对不同影像的关注度。

研究团队将GLIM-Net算法与公开数据集SIGF和Tumor-CIFAR上的已有算法进行了对比。结果显示在SIGF数据集上，GLIM-Net取得了平均89.5%的准确率，达到了业界最优水平，其他指标也均为最优；同时，在Tumor-CIFAR数据集上亦为业界最优。

论文相关内容：https://ieeexplore.ieee.org/document/10041214