年龄相关性*斑变性(Age-relatedMacularDegeneration,AMD)是与年龄相关致盲的重要眼病之一，主要发生在老年人视网膜*斑部脉络膜毛细血管、玻璃膜、视网膜色素上皮退行性改变，导致进行性中心视力受损。AMD仍是全球第三大严重不可逆视力受损的病因，流行病学估计,到年，全球将有2亿人患AMD。息肉状脉络膜血管病变(PolypoidalChoroidalVasculopathy,PCV)为脉络膜血管来源的血管网末端息肉样扩张,目前仍被认为是AMD的一个亚型。据相关临床病例报道表明，亚洲*种人中新生血管AMD患者中PCV约占20-60%，而在欧洲白种人中约占8-13%。临床上AMD和PCV的治疗策略、疾病病程与预后转归均有差异。医院眼科与人工智能致远慧图团队合作，运用深度学习和卷积神经网络模型，结合眼底彩照和频域光相干断层扫描(Spectral-domainOpticalCoherenceTomography,SD-OCT)图片，实现年龄相关性*斑病变的分类诊断，区分干性AMD、新生血管性AMD、PCV和正常人。并对所建模型的诊断效能和可能的公共卫生普及性进行了评估。研究结果发表在年的BritishJournalofOphthalmology上。
本研究一共建立了3个双模态和2个单模态机器学习模型（表1），共收集了只眼的彩照和只眼的OCT图像；并使用同一测试集对不同模型和眼科专科医师进行测试，双模态深度卷积神经网络模型（Deepconvolutionalneuralnetworkmodel,DCNN-Combo）具有最佳的分类效能，准确度达87.4%，敏感度88.8%，特异度95.6%，与诊断金标准的一致性高于眼科专科医师。同时，在所有模型对单一PCV检出效能测试的接受者操作特性曲线（Receiveroperatingcharacteristiccurves，ROC）中（图1），DCNN-Combo模型有最大的曲线下面积（areasunderthecurve，AUC=93.9%），也高于其他的人工智能模型。DCNN-Combo模型的整体架构如图2所示。
此研究设计提出了一个新的双模态深度学习卷积神经网络模型，并基于配对眼底彩照和SD-OCT图像双输入的网络系统，实现AMD的亚型多分类。同时本研究使用了迁移学习（transferlearning）算法，能够有效地从每个单模态DCNN模型中卷基层的更新权重，并将其用于我们的双模态DCNN模型中，实现与眼科专科医生几乎一致的诊断效能。该研究能够帮助加速人工智能系统多模态模型的发展。该模型的高度准确性和安全无创性，为社区医疗机构的眼科疾病人工智能筛查系统提供了广泛的运用前景。
表1.各机器模型和眼科专科医师对AMD亚型多分类的统计学结果
DCNN-O，深度卷积神经网络，算法O；DCNN-F，深度卷积神经网络，算法F；DCNN-Combo，深度卷积神经网络，算法Combo；RF-Combo，随机森林分类器，结合卷积层；RF-Fixed，固定权重来自于训练ImageNet；NPV，阴性预测值；PPV，阳性预测值。
图1.各模型对PCV检出效能测试的接受者操作特性曲线和眼科专科医师的表现水平（图上点所示）。
图2.DCNN-Combo模型的整体架构图
模型接收一个眼底图像（3××）和一个OCT图像（3××），然后输出一个拥有4个数值的向量，分别代表该输入组合是健康人，干性AMD，PCV或新生血管性AMD的可能性）。
参考文献：
1.XuZ,WangW,YangJ,etal.Automateddiagnosesofage-relatedmaculardegenerationandpolypoidalchoroidalvasculopathyusingbi-modaldeepconvolutionalneuralnetworks.BritishJournalofOphthalmology,PublishedOnlineFirst:04June.doi:10./bjophthalmol--
2.徐至研.人工智能用于年龄相关性*斑变性和息肉状脉络膜血管病变诊断研究[D].北京，北京协和医学院，.
点评
PCV约占亚洲人群湿性AMD的50%，虽然PCV的表现与湿性AMD有一定的相似性，但其眼底影像学特征、流行病学特点、自然病程、治疗及预后又均与湿性AMD有较大的不同。ICGA是PCV诊断的“金标准”，我们的AI研究团队不久前也首次报道了利用ICGA图像训练AI模型来诊断PCV，但由于ICGA的有创性，其临床应用受到一定的限制。此前虽然也有一些AMD方面的AI研究，但大多只涉及一种影像，例如眼底彩照、OCT，而且这些研究均未将PCV单列出来。
本研究应用无创的眼底彩照和OCT图像，首次提出了一种新的双模态深度学习卷积神经网络（DCNN）框架，结合眼底彩照和相匹配的SD-OCT图像，构造了多模态模型，取得了最高的性能。在识别PCV方面，该模型与诊断金标准完全一致，也优于视网膜专家。因此，这种双模态DCNN可以用于AMD和PCV的自动分类，在公共卫生领域具有广阔的应用前景。
医院
吴婵
总主编：陈有信副总主编：赵潺轮值主编：邹绚编委：李东辉，张夏，陈迪，李文硕，韩若安，贺峰，卞爱玲，张燕宁，陈哲，孙璐，谢海燕，曹淼，翁再虹，王新瑞编辑：王新瑞预览时标签不可点收录于话题#个上一篇下一篇