加快基于眼科图像数据库的眼病人工智能辅助诊断平台建设

随着人口基数的增长和社会的老龄化，人群中视功能障碍，甚至盲的问题日趋严重，传统的医疗模式已无法满足每年数量剧增的患者的复明需求。眼球位于体表，屈光间质透明，眼部的可视化特征有利于病变的直接活体观察，使得眼科图像的量化数据成为白内障、角膜病和视网膜疾病等主要致盲眼病筛查和诊断的主要依据。随着相关设备研发水平和计算机数据分析技术的不断提高，我国眼科日常医疗＂闲置＂了海量眼病诊疗数据，构建致盲眼病人工智能（AI）辅助诊断平台条件已逐渐成熟。如何整合我国丰富的眼科图像数据库资源，深化和有效利用已有的检测和分析技术，建立致盲眼病一体化AI应用平台是现阶段值得关注的重要问题。

全球眼科图像公开数据库使用指南(2022)

可公开获取的医学数据是数字健康研究的宝贵资源。目前,一些包含眼科图像的公开数据库常被用于机器学习的研究中,但如何规范高效地使用这些数据库尚无统一标准。本指南旨在筛选确定部分公开可用的眼科图像数据库,详细描述其包含的疾病类型、图像来源和成像方式。使用MEDLINE、Google搜索引擎和Google数据集搜索,确定了94个开放获取数据库,包含来自122364名患者的507724张图片和125段视频。该指南为眼科数据库相关研究提供了帮助与参考。同时,指南还发现数据库中不同人群和疾病群体代表性的差距越来越大。改进的元数据报告将使研究人员能够根据他们的需要访问最合适的数据库,并最大限度地发挥这些图像数据资源的作用。

眼科图像网络信息化的实现方案与技术研究

21世纪,社会已进入信息时代.利用计算机网络信息技术将眼科的各种检查设备,通过计算机与网络硬件设备组建局域网、城域网或广域网,再开发适用的应用软件系统,实现眼科图像网络信息化管理,已成为实现眼科临床信息化管理过程中的重要课题.笔者于2000年开始,为北京大学人民医院眼科成功组建了一套眼科图像网络信息管理系统;2001年经测试与安装,至今已稳定运行3年余.

人工智能在眼科临床教学的应用初探

目的研究人工智能在眼科临床教学中的应用效果。方法选取2017年6月—2019年6月本院本科临床专业学生20名为教学研究对象,将其按照随机数字法分为人工智能教学模式实验组与传统教学模式对照组,同时参与临床学习。利用问卷、专业知识考核对比两组学生的学习效果以及学生对教学方式的评价。结果实验组学生的考试成绩为(75.5±8.3)分明显高于对照组学生;实验组学生对教学方式的评价明显高于对照组学生的评价。以上差异均具备统计学意义(P<0.05)。结论人工智能在眼科临床教学中的应用具有更好的教学效果,能够有效地提升学生对实践与理论知识学习质量,提高学生临床学习的趣味性和积极性。