XiaoMi-AI文件搜索系统
World File Search System眼底
基于人工智能的自动评分及培训系统在糖尿病视网膜病变人工检测教育中的有效性
糖尿病视网膜病变 (DR) 是全球劳动年龄人口失明和视力障碍的主要原因 (1)。大量研究表明，及早发现和及时治疗 DR 可以防止 90% 以上的糖尿病患者出现严重的视力丧失 (2,3)。然而，由于视网膜专家严重短缺，欠发达国家很大一部分患者无法接受协议推荐的年度眼科检查 (4,5)。面对全球糖尿病发病率的快速上升 (6)，迫切需要一种新的糖尿病管理方法。已经证实，在接受眼底照相阅读培训后，非眼科医生在发现 DR 方面与眼科医生一样高度敏感 (7)。对非眼科阅读人员的培训似乎是他们融入糖尿病眼部筛查的重要一步。准确的 DR 临床分期是选择最合适的个性化治疗的先决条件。基于彩色眼底照相的早期治疗糖尿病视网膜病变研究 (ETDRS) 目前已成为 DR 分级的金标准 (8)。尽管如此，由于实际病例的个体差异，图像识别的训练过程具有很大的实施复杂性。为了获得在日常临床实践中确立诊断的技能，受训人员需要从大量的图像中学习以提取图像特征。但由于资源、人员和资金的限制，培训机会可能会被压缩 (9)。此外，即使是高素质的教师也可能存在主观性，并且在读者内部和读者之间的诊断方面也存在差异 (10)。传统的眼科学课程通常无法提供大量标准化案例用于培训。近年来，人工智能 (AI) 在主要眼部疾病的诊断和预测方面表现出明显优势，特别是那些涉及图像分析的疾病 (11-13)。使用人工智能的自动视网膜图像筛查系统的最新进展表明，在 DR 评估中可以达到专家级别的准确度（10、14）。大数据和人工智能技术在教育环境中的实施也显示出提高教学效率的巨大潜力（15）。从大数据中提取的重要信息有助于缩短培训时间并改善学生的学习曲线。然而，人工智能作为考试系统和/或机器人教师为医学生和受训人员提供个性化教育的潜力需要进一步评估。在本研究中，我们开发了一种基于人工智能的自动 DR 评分系统，配备了人工智能驱动的诊断算法，并验证了其作为培训非眼科医生进行 DR 人工评分的教学和学习工具的作用。
伴有眼部和多种全身症状的 Von Hippel-Lindau 病
摘要 冯·希佩尔-林道综合征是一种罕见的常染色体显性遗传病。该病的特征包括多发性血管肿瘤，特别是小脑、视网膜和/或内脏肿瘤。该病可发生在任何年龄，视网膜血管母细胞瘤是其最早的表现之一。脑血管母细胞瘤的金标准检查是 MRI 或脑 CT，视网膜血管母细胞瘤的金标准检查是荧光血管造影。我们介绍了一位 30 多岁女性的病例，她报告说，过去 6 个月内，她主要担心双眼视力下降。眼底检查发现双眼视盘边缘模糊、视神经乳头血管母细胞瘤和外周视网膜血管母细胞瘤。血液检查显示红细胞增多症。24 小时尿蛋白报告显示尿蛋白水平升高。 MRI 显示后颅窝、视神经管内右侧视神经有多处囊性病变，双肾多处皮质囊肿及软组织占位性病变。
眼科领域的人工智能和深度学习
摘要 近年来，基于深度学习 (DL) 的人工智能 (AI) 引起了全球的极大兴趣。DL 已广泛应用于图像识别、语音识别和自然语言处理，但对医疗保健的影响才刚刚开始。在眼科领域，DL 已应用于眼底照片、光学相干断层扫描和视野，在检测糖尿病视网膜病变和早产儿视网膜病变、青光眼样视盘、黄斑水肿和老年性黄斑变性方面实现了强大的分类性能。眼部成像中的 DL 可与远程医疗结合使用，作为筛查、诊断和监测初级保健和社区环境中患者主要眼部疾病的可能解决方案。尽管如此，DL 在眼科中的应用也存在潜在挑战，包括临床和技术挑战、算法结果的可解释性、法医学问题以及医生和患者对 AI“黑箱”算法的接受度。DL 可能会彻底改变未来眼科的实践方式。本综述概述了针对眼科应用的最先进的 DL 系统、临床部署中的潜在挑战以及未来发展方向。
基于深度学习的多模态数据糖尿病视网膜病变检测方法
摘要 — 糖尿病视网膜病变 (DR) 是一种复杂的疾病，结合来自患者病史、实验室结果或基因数据等多种来源的信息可以增进理解。眼科医生或自动化系统可以通过人工检查识别 DR。由于其成本效益和时间效率，糖尿病视网膜病变的自动检测已成为患者和医疗保健提供者的首选。这项研究的新颖之处在于开发了一种使用多模态数据融合预测糖尿病视网膜病变的模型，通过在长短期记忆 (LSTM) 网络中实现的早期融合技术，结合眼底视网膜图像、光学相干断层扫描 (OCT) 和电子健康记录 (EHR)。我们的模型利用多模态数据与局部二值模式 (LBP) 的早期融合，已展示出最佳性能，实现 AUC 值 0.99。这种高精度表明，整合来自各种数据源的信息可以显著提高模型检测糖尿病视网膜病变阳性和阴性病例的能力，从而增强我们对研究结果的可靠性的信心。
探索肠道微生物群的影响
年龄相关的黄斑变性（AMD）的发病机理（一种退化性视网膜病）尚不清楚。抗血管内皮生长因子药物，抗氧化剂，眼底激光，光动力疗法和跨胸膜变暖已被证明有效缓解症状有效；但是，这些干预措施无法阻止或逆转AMD。越来越多的证据表明，AMD风险与肠道微生物群（GM）的组成，丰度和多样性的变化有关。通过GM代谢产物（包括脂多糖，氧甲醇，短链脂肪酸（SCFA）和胆汁酸（BAS）（BAS）的多种信号通路激活多种信号通路。传统中药（TCM）以多组分和多目标优势而闻名，可以通过改变GM组成并调节某些物质的水平，例如脂多糖，减少氧甲醇，减少SCFA和BA含量来帮助治疗AMD。本评论探讨了通用汽车和AMD之间的相关性以及两者的干预措施，以提供有关用TCM处理AMD的新观点。
FDA WS - 自主成像 AI
2020 年 6 月 30 日档案管理人员 (HFA-305) 食品药品管理局 5630 Fishers Lane, Rm。1061 Rockville, MD 20852 主题：（档案号 FDA-2019-N-5592）“公共研讨会——人工智能在放射成像中不断演变的作用；”美国放射学会的评论美国放射学会 (ACR) 1 和北美放射学会 (RSNA®) 2 很高兴有机会对美国食品药品管理局 (FDA) 关于“人工智能在放射成像中不断演变的作用”的公共研讨会的会议记录发表评论，该研讨会于 2020 年 2 月 25 日至 26 日举行（档案号 FDA-2019-N-5592）。 FDA 将自主放射学 AI 定义为“使用 AI/ML 来自动化部分放射学成像工作流程（例如检测、诊断、报告）的软件”，并将这些解决方案与目前市场上的“增强智能”创新区分开来。虽然自主人工智能 (AI) 的某些应用可能很快就会对医生和医疗系统在照顾患者方面有用，但我们对研讨会上一些研究人员/开发人员的演讲中提出的有关 FDA 授权医学成像自主运行 AI 算法的途径的方法感到担忧。虽然我们理解行业和其他机构希望迅速推进自主 AI 的愿望，但我们的组织坚信，由于目前无法提供合理的安全性和有效性保证，FDA 考虑批准或批准旨在提供独立于医生专家确认和监督的自主图像解释的算法为时过早。迄今为止，缺乏全面的基于研究的标准来确保算法的可推广性，并且大量已发表的研究表明它们在异质患者群体中通常表现不佳。鉴于成像设备和图像采集协议存在广泛的异质性，以及缺乏可定义的机制来确保算法的纵向性能，我们担心研讨会上讨论的各种自主运行算法会对患者安全构成重大风险。一些人吹捧最近获得 FDA 授权的用于自主检测糖尿病视网膜病变 (IDx-DR) 的人工智能工具作为自主人工智能在医学成像中发挥作用的一个例子；然而，我们不认为这是一个恰当的比喻。该算法旨在帮助不擅长眼底镜检查的医生将患者转诊给擅长眼底镜检查的医生。IDx-DR 算法的输出是推荐眼科转诊进行额外评估，而不是推荐治疗。相比之下，
干眼症中的人工智能
Deng X 等人。( 2021 ) [ 29 ] 估计泪液弯月高度 217 Oculus Keratograph 泪液弯月图像 CNN (U-net) 准确度 = 82 。5 %，灵敏度 = 0 。899 ，精度 = 0 。911 ，F1 分数 = 0 。901 Elsawy A 等人。( 2021 ) [ 30 ] 诊断 DED 547 AS-OCT 眼表图像预训练 CNN (VGG19) AUCROC = 0 。99（模型 1）和 0 。98（模型 2），AUCPRC = 0。96（模型 1）和 0。94（模型 2），F1 得分 = 0。90（模型 1）和 0。86（模型 2）* Khan ZK 等人。（2021）[ 31 ] 检测 MGD 112 睑板腺 3D IR 图像、下眼睑和上眼睑睑板腺图像 GAN F1 得分 = 0。825，P-HD = 4。611，聚合 JI = 0。664 ，r = 0 。962 (clincian1) 和 0 。968 (clinician2)，p 值 < 0 。001 ，平均差异 = 0 。96 (clincian1) 和 0 。95 (clincian2) Xiao P 等人。( 2021 ) [ 32 ] 检测 MGD 15 (图像) Oculus Keratograph IR 眼底摄影图像 Prewitt 算子、Graham 扫描算法、碎片算法和 SA（按顺序使用）
神经重症监护指南 2020-2021
• 瞳孔 OD/OS、大小、反应性、眼睑下垂 • 视力：斯内伦视力表（可使用针孔矫正屈光）、色觉测试 • 视野：测试所有四个象限、中央视觉、忽视 • 眼底：评估视盘/脉管/静脉搏动/视网膜 • 眼外肌运动：双眼下收/内收、单眼旋转、对齐 • CN V / 面部感觉：LT/PP/温度、V1-V3 距离、角膜反射 • CN VII / 面部力量 — 评估上下面部对称性、听觉过敏、味觉障碍、角膜脱水 • CN VIII：听力 — 高/低音调、VOR、前庭测试（过去指向、福田台阶测试 — 闭眼原地踏步、Dix-Hallpike、Frenzel 镜片 — 眼球震颤） • 腭抬高 — 啊啊、呕吐、悬雍垂位置、肌阵挛 • CN XI：胸锁乳突肌强度/体积、斜方肌强度/体积 • CN XII - 舌头：位置、体积、肌束震颤、力量（舌头贴着脸颊）运动：
HSPA 2024：适当的糖尿病患者（QA-1，QA-2）
基本原理糖尿病是一种慢性疾病，当人体无法调节葡萄糖水平过高时会发生。如果未诊断或控制不佳，则可能导致严重的并发症，包括失明，肾衰竭和下肢截肢。糖尿病会增加心血管疾病的风险。1在比利时，糖尿病患病率随着时间的推移而增加，比利时6.8％的人口在2021年患有已知糖尿病诊断。 ，因为根据Sciensano的说法，有超过三分之一的糖尿病患者不知道自己患有这种疾病，因此糖尿病的真正患病率估计约为10％。 2所有患有1型糖尿病的人都在胰岛素上，而大多数患有2型糖尿病的人都不会接受胰岛素，但是他们可能正在接受可能包括或不包括胰岛素的治疗；总体5-10％的糖尿病患者患有1型糖尿病。 大多数患有2型糖尿病的人都不会接受胰岛素。 根据RIZIV - INAMI 2019年《 GPS练习的反馈》，对于糖尿病患者，建议“至少每年两倍的糖化血红蛋白（HBA1C）水平，每3个月禁食糖症，每年一次，每年一次微量的小蛋白尿和脂肪素。” 1还建议眼科医生每年进行一次扩张的眼底检查，以在早期检测眼部并发症。 然后对这些建议进行审查，以创建IMA-AIM地图集中永久可用的指标。1在比利时，糖尿病患病率随着时间的推移而增加，比利时6.8％的人口在2021年患有已知糖尿病诊断。，因为根据Sciensano的说法，有超过三分之一的糖尿病患者不知道自己患有这种疾病，因此糖尿病的真正患病率估计约为10％。2所有患有1型糖尿病的人都在胰岛素上，而大多数患有2型糖尿病的人都不会接受胰岛素，但是他们可能正在接受可能包括或不包括胰岛素的治疗；总体5-10％的糖尿病患者患有1型糖尿病。大多数患有2型糖尿病的人都不会接受胰岛素。根据RIZIV - INAMI 2019年《 GPS练习的反馈》，对于糖尿病患者，建议“至少每年两倍的糖化血红蛋白（HBA1C）水平，每3个月禁食糖症，每年一次，每年一次微量的小蛋白尿和脂肪素。”1还建议眼科医生每年进行一次扩张的眼底检查，以在早期检测眼部并发症。然后对这些建议进行审查，以创建IMA-AIM地图集中永久可用的指标。在此审查后，除去血糖测量并添加了血清肌酐测量值（在2012年GP练习的Riziv-Inami绩效报告中也建议）2。
人工智能在近视领域的应用
随着计算机技术、大数据采集和成像方法的不断发展，人工智能（AI）在医疗领域的应用范围不断扩大，机器学习和深度学习在眼科疾病诊疗中的应用越来越广泛。近视作为视力损害的主要原因之一，全球患病率较高，早期筛查或诊断近视，结合其他有效的治疗干预措施，对维持患者的视觉功能和生活质量至关重要。通过眼底照相、光学相干断层扫描和裂隙灯图像的训练，以及通过远程医疗提供的平台，AI在近视的检测、诊断、进展预测和治疗方面显示出巨大的应用潜力。此外，基于其他形式数据的AI模型和可穿戴设备在近视患者的行为干预中也表现良好。不可否认，AI在近视的实际应用中仍存在一些挑战，例如数据集的标准化、用户的接受态度以及伦理、法律和监管问题。本文综述了AI在近视领域的临床应用现状、潜在挑战及未来方向，并提出建立AI融合的远程医疗平台将成为后疫情时期近视管理的新方向。