钱朝旭，钟 华

0引言

青光眼是全球不可逆性盲最主要的原因[1]，其核心机制是视网膜神经节细胞(retinal ganglion cells, RGC)轴突不可逆性损伤，引起RGC死亡，最后导致视野缺损，视功能下降[2]。尽早诊断青光眼可以降低视功能受损的风险[3]，及早治疗可以预防疾病进展，保存并改善患者的长期生活质量[4]。目前用于青光眼诊断和监测疾病进展的方法主要是根据视盘分析、光学相干断层扫描(optical coherence tomography, OCT)和视野检查的结果。但是即使是青光眼专家对视盘的分析也仅有中等程度的可靠性[5]；OCT识别视网膜神经纤维层(retinal nerve fiber layer, RNFL)的错误率最高可达46.3%[6]；视野检测则要在RGC损伤达40%～50%时才能出现相应的缺损[7]。由于这些原因，临床尚缺乏一项可以准确诊断早期病变并精准预测疾病进展的指标，医生需要根据患者多次检查的结果来做出判断，这不仅增加患者的负担，也不可避免地造成重复检查和医疗资源的浪费。近几年来，人工智能(artificial intelligence, AI)在青光眼的早期诊断和监测疾病进展方面展现了出色的能力。尤其是代表了目前最先进算法的深度学习(deep learning, DL)，能从复杂的高维数据中提取有意义的特征，对眼底照片[8-10]、OCT[11-13]和视野[12,14-15]结果进行自动识别和分析，能协助临床医生尽早诊断青光眼并预测疾病的进展情况。本文就AI在青光眼的诊断和预测方面的新进展作一综述。

1 AI的发展

AI是1956年提出的一个宽泛的概念，描述的是机器对人类智能的模拟[16]。当时的AI并不是真正的智能，只是简单的执行预先编辑的程序，这些程序指定了机器该如何运行。……