致盲性眼病青光眼发病概率可实现个体精准预测

　　长沙晚报掌上长沙3月16日讯（通讯员 张凌霄 李青霞）近日，中国科学院计算技术研究所研究团队和爱尔眼科合作发布青光眼预测的科研成果，该研究成果在IEEE Transactions on Medical Imaging（IF=11.037）发表，题为“GLIM-Net: Chronic Glaucoma Forecast Transformer for Irregularly Sampled Sequential Fundus Images”。研究成果表明，致盲性眼病青光眼发病概率可实现个体精准预测，这将使青光眼患者在成为“患者”前就被发现成为可能，极大提升青光眼患者的早诊早治率，从而降低青光眼的致盲率。

　　“早发现”是防止青光眼致盲重要手段

　　3月12日至18日是第16个世界青光眼周。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。据估计，全世界约有7800万人患有青光眼。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，而我国有2100余万，其中致盲人数可达567万。这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。越早地发现、干预与治疗青光眼，是防止青光眼致盲最为重要的手段。

　　青光眼预测平均准确率近90%，业界最优水平

　　现阶段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，鲜有研究。

　　针对现有算法存在的局限性，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，输出给定时刻患青光眼的概率；针对如何有效的编码时间信息，研究团队进一步提出了时间位置编码模块（Time Positional Encoding）和时间敏感的多头自注意力模块（Time-sensitive MSA），根据时间间隔调整对不同影像的关注度。

　　研究团队将提出的GLIM-Net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。

　　随着“中爱合作”进一步深入，未来爱尔眼科将始终保持开放的心态，不断探索更多创新模式，促进智能技术与眼科临床医疗深度融合，为人类的光明事业贡献智慧。