新快报讯 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，从而进一步降低青光眼致盲率。
这是继今年 2 月 " 爱尔眼科 - 中科院计算所 2023 年战略规划会议 " 成功召开后，发布的又一个双方合作研究成果。此研究对 2000 多时间间隔不一的眼底影像进行立体化、全方位的深入研究，提出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，实现青光眼发病率个体的精准预测。
3 月 12 日 -3 月 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。中华医学会眼科学分会发布的《中国青光眼指南》显示，2020 年全球原发性青光眼患病人数超过 7600 万，我国达到了 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，因此越早地发现、干预与治疗青光眼，是防止青光眼致盲最为重要的手段。但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。
现阶段已有的人工智能主要针对青光眼的诊断开展，而针对青光眼的早期预测问题鲜有研究。目前已有的算法 DeepGF 存在检测精度有限，且不能预测患者给定时刻患病的概率等不足。
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和时间敏感的多头自注意力模块，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，达到了业界最优水平，其他指标也均为最优；同时，在 Tumor-CIFAR 数据集上亦为业界最优。
图 3 展示了本算法在预测一段时间内青光眼患病概率的变化情况，可以看到，如果患者从阴性变成阳性，那么中间时刻患病概率是增加的，如果患者没有转阳，那么中间时刻患病概率无显著增加，这进一步说明了本算法在预测未来时刻患病概率的有效性。
▲图 3 GLIM-Net 预测一段时间内患病概率变化的情况
采写：新快报记者 梁瑜 通讯员张凌霄 李青霞
