人工智能彻底改变了眼部成像为更好地诊断视网膜疾病带来了希望

美国国立卫生研究院(NIH)的研究人员通过将人工智能应用于自适应光学(AO)技术，在眼部成像方面取得了突破。这种组合使图像生成速度提高了100倍，对比度提高了3.5倍，有可能为评估年龄相关性黄斑变性(AMD)和其他视网膜疾病提供强大的工具。

NIH国家眼科研究所临床和转化成像部门负责人JohnnyTam博士强调了这一发展的重要性，他表示：“人工智能有助于克服视网膜成像细胞的一个关键限制，即时间。”

Tam和他的团队正在致力于改进基于光学相干断层扫描(OCT)的成像设备，这是一种无创、快速、无痛的技术，是大多数眼科诊所的标准技术。通过将AO添加到OCT，研究人员可以在细胞水平上捕获视网膜结构的高分辨率3D图像，从而能够检测到疾病的早期迹象。

然而，使用AO-OCT对视网膜色素上皮(RPE)细胞进行成像面临着挑战，例如一种称为散斑的现象，它会模糊部分图像，类似于云对航空摄影的干扰。传统上，研究人员必须在很长一段时间内捕捉并拼凑大量图像，才能创建RPE细胞的无斑点图像，这是一个耗时且费力的过程。

为了解决这个问题，Tam和他的团队开发了一种基于人工智能的新型方法，称为并行判别器生成状语网络(P-GAN)，这是一种深度学习算法。通过使用近6,000张手动分析的人类RPEAO-OCT图像(每张图像与其相应的斑点原始图像配对)来训练P-GAN网络，该网络学会了识别和恢复被斑点遮挡的细胞特征。

在新图像上进行测试时，P-GAN成功去除了RPE图像的斑点，仅通过一张图像捕获即可恢复细胞细节，产生的结果与需要采集并平均120张图像的手动方法相当。Tam实验室的博士后VineetaDas博士估计，P-GAN将图像采集和处理时间减少了约100倍，同时对比度也提高了3.5倍。

Tam认为，将人工智能与AO-OCT相结合将使这种成像技术更容易用于常规临床应用和旨在了解致盲性视网膜疾病的结构、功能和病理生理学的研究。他认为这是人工智能领域的范式转变，并表示：“我们的结果表明人工智能可以从根本上改变图像的捕获方式。将人工智能视为整个成像系统的一部分，而不是仅在捕获图像后应用的工具，这是人工智能领域的范式转变。”

RPE是感光视网膜后面的一层组织，支持代谢活跃的视网膜神经元(包括光感受器)，科学家对此特别感兴趣，因为许多视网膜疾病都是在RPE损坏时发生的。Tam认为，通过将AI与AO-OCT相结合，RPE常规临床成像的主要障碍已经克服。

这项开创性的研究发表在《通讯医学》上，展示了人工智能彻底改变眼部成像并改善视网膜疾病诊断和治疗的潜力。随着基础研究不断加深我们对人类生物学和行为的理解，像这样的进步使我们更接近开发挽救视力的治疗方法并为视力障碍患者提供更多的机会。