中国科研新突破：致盲性眼病青光眼发病概率可实现个体精准预测

中新网报道，近日在智能技术与眼科临床医疗的融合下，中国眼科界取得了重大科研突破。这一突破为我们带来了前所未有的希望，即能够精准预测个体患上致盲性眼病青光眼的概率。

在3月17日，中国科学院计算技术研究所的研究团队与爱尔眼科共同发布了这一令人振奋的消息。他们在IEEE Transactions on Medical Imaging上发布的研究成果，题为“GLIM-Net：用于不规则采样序列眼底影像的慢性青光眼预测变压器”。这项成果为我们开启了一扇新的大门，使我们能够提前发现个体患上青光眼的可能性，从而极大地提升了早诊早治的机会，有望进一步降低青光眼导致的失明率。

为了应对这一挑战，研究团队对两千多张时间间隔不一的眼底影像进行了深入研究。通过全方位的分析，他们提出了一种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。这种算法可以精确预测个体患上青光眼的概率，从而实现了青光眼预测的精准个体化。

正值第16个“世界青光眼周”之际，我们要关注的是如何达成青光眼共识，保护视野并遵循指南以守护光明。青光眼是全球第二大致盲性眼病，且是排名首位的不可逆致盲性疾病。尽管全球约有7800万人患有青光眼，但早期症状并不明显，约有半数患者会延误就医，导致无法挽回的视神经损伤。“早发现”成为防止青光眼致盲的关键手段。

当下的人工智能技术主要集中在青光眼的诊断上，通常通过自动分割视杯视盘来计算杯盘比以确定是否患有青光眼。在青光眼的早期预测方面，即输入患者的一段时间内的序列影像来预测其未来患青光眼的可能性，仍是一个未被充分研究的领域。现有的算法存在检测精度有限、无法预测患者给定时刻患病概率等不足。

针对这些局限性，中国研究团队首创的GLIM-Net算法突破了这些难题。它基于时间敏感自注意力机制，能够输入序列眼底影像及其对应的时刻信息，输出给定时刻患青光眼的概率。研究团队还创新性地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，以更有效地编码时间信息并根据时间间隔调整对不同影像的关注度。

在公开数据集上的实验结果显示，GLIM-Net达到了业界最优水平，在SIGF数据集上取得了平均89.5%的准确率。业内专家指出，该算法的有效性在于它能够精准地预测个体从阴性转为阳性的时刻患病概率，这进一步证明了其在预测未来患病概率方面的有效性。这项突破性的研究为我们带来了全新的希望，使我们能够更有效地预防和治疗青光眼，守护人类的视力健康。 (完)