Bringing medical advances from the lab to the clinic
关键词：角膜移植；深度学习；生物工程角膜；光学相干断层扫描（OCT）；npj Digital Medicine角膜移植是治疗不可逆角膜疾病的主要方法，但全球范围内角膜供体的严重短缺限制了众多患者的治疗机会。
据统计，全球约有1200万人等待角膜移植，而实际接受移植的患者与等待名单上的患者比例仅为1:70。此外，角膜移植在高风险患者中的成功率较低，可能面临免疫介导的移植排斥、角膜内皮损伤、多次移植失败、青光眼和角膜新生血管化等挑战。
为了解决供体角膜的短缺问题和异体角膜移植的挑战，研究者们正在开发生物工程角膜等同物，这些材料旨在引起最小的免疫反应。生物工程角膜等同物的性能主要取决于其结构完整性和生物相容性。传统的评估方法，如裂隙灯生物显微镜检查，虽然对评估生物工程角膜等同物的透明度、水肿、新生血管化和上皮缺陷至关重要，但在定量评估移植片的厚度和体积方面存在局限性。
因此，研究者们需要更先进的成像和评估技术来全面评估生物工程角膜等同物的复杂属性，以提高其临床应用的成功率【1】。
2024年11月5日，Daewoon Seong 等研究学者在国际顶尖期刊 npj Digital Medicine 上发表了题为 Deep learning based highly accurate transplanted bioengineered corneal equivalent thickness measurement using optical coherence tomography的研究论文 【2】。本研究旨在提出一种基于深度学习的自动分割方法，利用光学相干断层扫描（OCT）技术对移植的生物工程角膜等同物进行高准确度的厚度测量，以实现对移植完整性和生物相容性的高准确度评估。- 基于OCT图像自动三维（3D）分割方法的深度学习，能够精确评估生物工程角膜等同物的生物相容性，通过基于厚度的全移植完整性评估。
- 该方法在不同医生标注的数据集上显示出超过90%的准确率，证明了其在不同条件下的稳健性。
- 此外，与传统的超声角膜厚度测量方法相比，本研究的方法在细节厚度数据量上展现出更高的精确度。
![]()
（如需原文，请加微信healsana获取，备注20241105NDM）
🔷 模型性能评估：
在经过网络训练后，每种基于U-Net的模型的最佳性能检查点被保存并使用测试数据集进行比较。Attention U-Net模型在各个日期的测试中均展现出最佳性能，14天监测期间的平均准确率为92.743%，而其他三种模型的平均准确率分别为88.85%（Nested U-Net）、92.42%（Res U-Net）和90.535%（U-Net）。
![]()
图1. 使用测试数据集测量基于 U-Net 的训练模型精度
为了验证模型的稳健性，研究者使用来自三位不同医生的数据集进行了训练和测试。尽管医生的专业水平导致标注结果存在差异，但所有模型的准确度均超过90%，表明所提出的训练过程能够适应不同条件。研究中展示了在14天监测期间，使用Attention U-Net模型自动三维分割每个医生数据集中的移植片。结果显示，模型输出不仅与医生标注的结果相似，而且在不同医生的数据集之间也观察到相似的趋势，即随着时间的推移，移植片面积呈现减少的趋势。![]()
图2. 用于标签、模型输出和算法结果定性比较的代表性移植物分割图像
通过使用Attention U-Net模型输出的颜色图，研究者获得了每个日期的生物工程角膜等同物厚度图。每个颜色代表相对厚度，黑色区域表示在二维OCT图像中没有移植片厚度信息。通过比较不同日期的厚度图，验证了移植片厚度分布和面积的变化。![]()
图3. 模型输出和算法结果的定量性能比较
研究者将所提出方法的厚度图与模拟超声角膜厚度测量图进行了比较。超声角膜厚度测量图只能显示几个插值后的厚度点，而所提出方法的厚度图显示了超过50,000个厚度点和移植片的形状。这表明，与传统方法相比，所提出方法在细节厚度数据量上展现出更高的精确度。![]()
图7. 使用代表性模型对所提出的方法（深度学习 OCT）的厚度彩色图与分段生物工程角膜等效物的超声测厚图进行比较
研究结果表明，所提出的方法不仅能够分类人工移植片区域，还能够提供整个移植片区域的厚度分布，这使得在微米尺度上进行高精度监测成为可能。此外，与传统的超声角膜厚度测量方法相比，所提出方法在连续变化或未测量区域（即省略数据）的厚度测量上具有明显优势。![]()
图8. 基于U-Net的网络训练的数据集准备流程和评估方法
通过长达14天的监测，研究验证了所提出方法在评估角膜移植生物相容性方面的有效性，为移植后的长期监测提供了新的视角。![]()
图9. 定制移植物分割算法及最终处理图像的整体流程图
上述研究结果为角膜移植领域提供了一种新的高准确度评估工具，有望改善角膜移植的预后并减少移植排斥反应，同时也为未来的临床应用和研究提供了新的方向。
本研究通过开发基于深度学习的自动分割方法，利用光学相干断层扫描（OCT）技术对移植的生物工程角膜等同物进行高准确度的厚度测量，为临床提供了一种新的、高精度的评估工具，有助于提高角膜移植手术的成功率和预后。这一技术能够提供定量的个体厚度值、详细图谱和体积测量，对于监测移植片的生物相容性和结构完整性具有重要意义。该研究不仅推动了深度学习在眼科影像分析中的应用，也为未来角膜疾病诊断、治疗评估和预后监测提供了新的思路，同时强调了跨学科合作在解决临床问题中的价值，为眼科研究和实践开辟了新的研究方向。原文链接：
【1】Pascolini, D. & Mariotti, S. P. Global estimates of visual impairment: 2010. Br. J. Ophthalmol. 96, 614–618 (2012).
【2】https://doi.org/10.1038/s41746-024-01305-3
本文只是分享和解读公开的研究论文及其发现，以作科学文献记录和科研启发用；并不代表作者或本公众号的观点，更不代表本公众号认可研究结果或文章。为了给大家提供一个完整而客观的信息视角，我们有时会分享有冲突或不同的研究结果。请大家理解，随着对疾病的研究不断深入，新的证据有可能修改或推翻之前的结论。作者：Amber Wang；助理：ChatGPT；编辑：Jessica，微信号：Healsanq，加好友请注明理由。美国Healsan Consulting(恒祥咨询)，专长于Healsan医学大数据分析（Healsan™）、及基于大数据的Hanson临床科研培训（HansonCR™）和医学编辑服务（MedEditing™）。主要为医生科学家、生物制药公司和医院科研处等提供分析和报告，成为诸多机构的“临床科研外挂”。点击👆；From Bench to Bedside, Healsan Paves the Path.更多阅读
（点击👆图片，进入自己感兴趣的专辑。或点击“资源”，浏览本公众号所有资源。）
