青光眼是世界致盲的第二大原因，在 40 岁以上族群，3.5% 受青光眼影响。2010 年，有 6,050 万人受病影响，预计到 2020 年数字将升至 8,000 万人。虽然现有治疗可阻止病情恶化，但无法恢复视力。因此，早期发现和及时治疗是青光眼临床的重要问题。
IBM Research 与纽约大学就“青光眼治疗”进行一项研究，重点编译如下。
视野测试反映患者在整个视觉空间的视力范围，并用于诊断各种疾病。例如，青光眼引起的视觉神经损伤会导致上视野和下视野的特征性视野缺损。虽然其他条件能以类似青光眼的方式影响视网膜架构，但对视力的影响往往非常不同。因此，这些测试是诊断时不可或缺的一部分。
然而，由于这些测试完全依赖患者回馈，患者的警觉性是主观的。众所周知，一天在什么时间测试是影响患者表现的因素之一，早上的状态比中午好。因此，一个人可能需要多次测试，以精确测量任何视力损失。
从生物学的角度来看，我们知道视觉功能和视网膜架构有关系。这里出现一个有趣的问题：我们能透过非侵入式技术成像，直接从眼睛架构估计视觉功能吗？答案是肯定的，因 IBM 研究人员已发现视网膜成像资料的资讯，可帮助评估青光眼的存在。
IBM Research 与纽约大学合作研究，采用资料驱动法，利用深度学习技术探索这个问题，以前所未有的精度从单个光学同调断层扫描（OCT）影像估计视场指数（VFI），Pearson 相关系数为 0.88。VFI 是代表整个视野的国际指标，透过人工智能精确捕捉，为未来可能使用此分析快速评估患者视觉功能的技术奠定基础。这可让专业人士在诊断青光眼收集资料时获得更精确的资讯，而不需要多次耗时测试。
传统的 OCT 架构测量，如视网膜神经纤维层（RNFL）厚度和神经节细胞内丛状层（GCIPL）厚度，在青光眼目标位置已知的情况下都无法达到这精确度。研究表明 OCT 捕捉到的架构测量包含与功能测量高度相关的资讯，这在专业人员寻求诊断方法时非常有用。
青光眼的另一个重要挑战是恶化速度，这需要仔细分析多次就诊的资料。IBM 研究已使用机器学习解决了这个问题，表明可预测未来存取时的视觉功能测试结果。总有一天，这种能力可帮助专业人士更能预测疾病的开始和发展，并调整治疗方法。
这项研究于 4 月 28 日至 5 月 2 日在加拿大温哥华举行的 ARVO（视力和眼科研究协会）年会发表。IBM 研究团队与纽约大学就青光眼侦测和管理各方面提出 7 篇摘要。
- AI Holds Promise for Glaucoma, a Leading Global Cause of Blindness
（本文由 雷锋网 授权转载；首图来源：IBM Research）
