2024年9月11日，受主编邀请，张秀兰教授以中山大学中山眼科中心为第一完成单位，于《Progress in Retinal and Eye Research》期刊 (IF= 18.6)发表了题为“The AI Revolution in Glaucoma: Bridging Challenges with Opportunities”（青光眼人工智能的革新：机遇与挑战并进）的长篇综述（图1），全面分析了人工智能（AI）在青光眼领域研发和部署的困境，并提出潜在的解决方案，化挑战为机遇，为青光眼AI模型的设计、研发及临床转化引领前进方向。这是该团队继2024年1月受邀发表高度近视与青光眼视神经病变鉴别长篇综述后，再次在该期刊发表。
图1 中山大学中山眼科中心为第一单位、第一作者、最后通讯作者发表在《Progress in Retinal and Eye Research》上的长篇综述
青光眼是全球首位不可逆性致盲眼病，且青光眼发病隐匿，大部分患者被确诊青光眼时已发展至中晚期，已成为重大的公共卫生问题。近年来AI技术在青光眼诊断、筛查、预测等领域取得了广泛应用，然而，青光眼中AI模型的研发和临床部署仍面临重大挑战。尽管存在这些挑战，AI模型在青光眼中也存在诸多机遇，有望进一步提突破模型性能。因此，本文基于全面的文献回顾，探讨在青光眼临床情景中研发和部署AI模型的挑战和机遇（图2），并将两者结合，提出针对各项挑战潜在的解决方案，以推进AI在改进青光眼管理方面的作用。
图2 人工智能在青光眼领域的挑战与机遇
本文围绕青光眼AI开发与应用的主要挑战进行了深入探讨。青光眼AI研发面临数据标注难度大、泛化性差及可解释性差三大挑战。在青光眼AI开发阶段，数据标注需要大量时间、人力和资源，标注任务包括疾病分类、图像标注和青光眼进展标注，复杂且耗时；并且多数研究青光眼诊断标准不一致导致AI的泛化能力不足，无法真正筛查出需要进一步就医的人群。由于深度学习技术的“黑箱”性质，目前基于此技术的青光眼AI算法普遍存在可解释性差的问题，医务人员与患者对齐信任度较低。青光眼AI部署面临真实世界适应性差、图像采集质控难两大挑战。多数青光眼AI模型训练数据多样性较差、实地部署前微调数据不足，极大削弱了模型对不同人群、不同采集设备和不同疾病分期的适应能力；且AI从实验室走向真正临床部署时，不可避免会遇到低质量的影像数据，导致效率降低和准确性下降。
针对以上挑战，本文进一步分析了潜在可行的优化策略。在青光眼AI研发阶段，使用隐私保护框架、合成数据等技术增强数据共享的安全性，克服数据不足及标注难度大、模型缺乏外部验证而泛化性差等问题；引入可解释AI方法和可视化工具，增强模型的透明度，提升医务人员和患者对AI的信任度。在青光眼AI部署阶段，使用多模态数据如文本、图像、组学数据等，训练多模态AI模型，提升AI模型的准确性与适应性（图3）。智能手机结合云技术的应用，使得青光眼筛查在资源匮乏地区更加普及，通过远程医疗和家庭监控，适应不同人群，扩大了筛查的覆盖范围。此外，大模型的兴起，全面革新了AI领域，进一步提高了AI在临床应用的可解释性及可及性，AI能通过自然语言的形式与医生和患者交互，为青光眼的临床管理和人机协作提供了新的途径，支持广泛的临床、教育和研究应用，具备协助临床青光眼管理的前景（图4）。
图3 青光眼AI模型从单一模态向多模态发展
图4 大语言模型支持临床决策（A）、与患者互动（B）
本文是由中山眼科中心领衔、与国际多名青光眼及人工智能顶尖专家共同完成，第一单位为中山大学中山眼科中心、眼病防治全国重点实验室及广东省眼部疾病临床医学研究中心，张秀兰教授为最后通讯作者，香港中文大学(深圳) 国际眼科研究所林顺潮（Dennis S.C. Lam）教授为共同通讯作者（图5），李飞助理研究员、汪德明硕士、杨泽锋博士、张寅航博士为并列第一作者（图6）。
张秀兰教授团队长期致力青光眼人工智能领域研究，在中山眼科中心临床研究中心平台支持下，团队从青光眼数据库构建到算法开发进行了深入探索，创建了完备的集青光眼预防、筛查、诊断一体化智能系统（iGlaucoma）：开发智能视野诊断APP（iGlaucoma 1.0，NPJ Digit Med. 2020 Sep 22;3:123），方便患者及医生使用手机享受智能诊断服务; 提出基于视野、OCT影像的青光眼诊断算法框架（FusionNet），研发双模态自动诊断算法（iGlaucoma 2.0），精准诊断青光眼性视神经损伤（Ophthalmology. 2022 Feb;129(2):171-180）；研发电子房角镜系统，创建基于三维前节OCT影像的青光眼智能分型系统（iGlaucoma 3.0），快速、精准识别高风险闭角型青光眼个体（Ophthalmology. 2022 Jan;129(1):45-53；Medical Image Analysis. 2021 Jan 7:101956）；开发基于眼底彩照的青光眼发病及进展预测系统（iGlaucoma 4.0），早期发现高风险人群，提前3-5年预测青光眼发病及进展风险（J Clin Invest. 2022 Jun 1;132(11):e157968）；研发基于OCT图像的逐点视野敏感度值及模式偏差概率图预测系统（iGlaucoma 5.0），模型预测生成的视野报告可用于辅助临床青光眼的快速诊断，提高青光眼临床诊疗效率（NPJ Digit Med. 2024 accepted）。团队还建立了眼科多病种精标数据共享平台iChallenge，涵盖8个子集，被超过700篇论文引用。牵头制定我国首个关于眼底彩照数据质量控制规范的团体标准《眼底彩照标注与质量控制规范（T/CAQI 166-2020）》并在WHO-ITU立项（编号SG16-TD227/WP2），为规范新兴的眼科AI发展做出了重要贡献（Intelligent Medicine, 2021 Dec; 1(02): 80-87）。
目前团队在青光眼人工智能领域已累计发表了16篇相关高质量论著，10篇发表于中科院医学类1区期刊，包括NPJ Digital Medicine、Ophthalmology、Medical Image Analysis、IEEE Transactions on Medical Imaging等，申请中发明专利9项（含2项PCT专利）、获批1项，获批软件著作权1项。
张秀兰 教授
中山大学中山眼科中心
林顺潮 教授
香港中文大学（深圳）国际眼科研究所 所长
图5 通讯作者
李 飞 助理研究员
中山大学中山眼科中心
汪德明 硕士
中山大学中山眼科中心
杨泽锋 博士
中山大学中山眼科中心
张寅航 博士
中山大学中山眼科中心
图6 共同第一作者
美国加州大学圣地亚哥分校Shiley眼科研究所Linda M. Zangwill教授，波兰波兹南眼科研究所Andrzej Grzybowski教授，美国加州大学旧金山分校Ying Han教授，美国Bascom Palmer眼科研究所Felipe Medeiros教授，香港中文大学眼科学和视觉科学系Clement C Tham教授共同参与指导了本文（图7）。
图7 国际多位顶尖专家共同参与研究
原文链接：
https://www.sciencedirect.com/science/article/abs/pii/S1350946224000569
