青光眼是世界上第二大致盲原因，主要罹患此症狀的人多在40歲或40歲以上的中年人口。在2010年，受青光眼影響的人數為6050萬人，預計到2020年將增至8000萬人。
青光眼被稱為「視力的小偷」，發病的過程緩慢，基本上不會感受到什麼症狀，也因此有可能有多達40%的視力會在沒有人注意的情況下喪失。
如今雖然存在阻止青光眼變嚴重的治療方法，但並不能讓人們恢復已經受破壞的視力。因此，早期發現和及時治療是青光眼臨床醫療中的重要問題。
測試的時間影響患者表現 增加醫生評估困難
一般進行檢查時，醫生會對病人進行視野測試，這能顯示出患者在視覺空間中的視力狀況，並被用來診斷各種情況。例如，青光眼引起的視神經受損會使上下視野缺損。
然而，測試的時間是影響患者在這些測試中表現的一個因素，像是早上測比中午後更好。因此，一個人可能需要多次測試，以獲得一個準確的結果，讓醫生去評估病人視力喪失的程度。
IBM 研究團隊與紐約大學合作，試圖通過使用人工智慧深度學習技術的資料驅動方式，來探討這一問題。
通過人工智慧的計算 奠定快速分析患者視覺功能的技術
研究團隊從單一光學斷層掃描(OCT)圖像中估計出視場指數(VFI)以及皮爾森相關係數。視場指數(VFI)是一個代表整個視野的國際指標，通過人工智慧的準確計算，為將來利用此技術快速分析患者視覺功能奠定基礎。
這可以讓醫生在診斷青光眼時，獲得更精確的資訊，而不需要花時間的多次測試。
IBM研究團隊表明，OCT捕獲的結構測量包含與功能測量高度相關的資訊，對於專業人員在進行診斷時可能非常有用。
除此之外，青光眼的另一個重要問題是追蹤病情的嚴重程度，這需要對多次檢查的資料進行仔細分析。
而研究團隊已經用機器學習解決了這個問題，因為分析的結果顯示出，AI能一定程度上預測視覺功能測試的結果。
團隊表示，希望有朝一日可以幫助醫師更好地預測疾病的進展和發病，並調整相應地治療方法。
這項研究在4月28日至5月2日在加拿大溫哥華舉行的ARVO(視覺和眼科研究協會)年會上發表。
圖源/ibm.com
文章轉載自AI現場