万家墨面没蒿莱，敢有歌吟动地哀。
心事浩芒连广宇，于无声处听惊雷。
——《无题》中/鲁迅
一/近视预防和诊断的研究
使用Keyword：
- 近视/myopia or 青少年近视/teenager myopia
- 预防/prevention
- 预测/prediction
- 诊断/diagnosis
- 人工智能/artificial intelligence
- 机器学习/machine learning
- 深度学习/deep learning
在google scholar中对2018年到2020年间的论文进行搜索，总结其中相似度和引用量高的3~5篇，总结如下：
| 论文名称 | Prediction of myopia development among Chinese school-aged children using refraction data from electronic medical records: A retrospective, multicentre machine learning study. |
|---|---|
| 中译名 | 使用电子病历的折射数据预测中国学龄儿童的近视发展： 一项回顾性多中心机器学习研究。 |
| 发表期刊/会议 | PLoS medicine 影响因子IF:11.048 / h-index:197 / CiteScore:9.12 中科院(2020)1区/医学/医学：内科 |
| 发表日期 | 2018年11月 |
| 作者 | Lin, Haotian, et al. |
链接：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6219762/
总结：比较有干货的一篇文章，由中山大学眼科中心刘奕志团队于2018年11月6日发表在国际医学杂志《PLoS Medicine》上。这项研究的目的是应用大数据和机器学习技术来开发使用随机森林的机器学习算法，该算法可以预测在特定的未来时间点中国学龄儿童中高度近视的发生。
临床屈光数据来自2005年到2015年8个眼科中心，分析了验光年龄，验光球镜度(spherical equivalent，SE)，和度数的年进展速率，预定算法根据这些指标预测指定时间后的近视球镜度，并预测10年后高度近视的发作和18岁时高度近视的可能。分析中总共包括了基于眼科中心的电子病历数据库中的129,242个人的687,063次多访记录(3条记录)和针对基于人群的队列中3,215名参与者的17,113份随访记录。
关于18岁时高度近视发展的预测，作为成人高度近视的一种替代，该算法在3年内(AUC为0.940至0.985)，5年内(AUC为0.856至0.901)，甚至8年(AUC在0.801至0.837之间)。
为了将研究成果转化应用，研究团队开发出一套人工智能云平台，提供高效的近视预测服务。通过访问智能平台，输入前后两次检查的年龄和度数(间隔至少一年)，即可预知10年内的近视度数变化与高度近视风险。
| 论文名称 | Using neural networks to predict the outcome of refractive surgery for myopia. |
|---|---|
| 中译名 | 使用神经网络预测近视屈光手术的结果 |
| 发表期刊/会议 | 4open(OA) |
| 发表日期 | 2019年2月 |
| 作者 | Balidis, Miltos, et al. |
链接：https://www.scienceopen.com/document?vid=3b7aeb4a-d384-4633-be0f-31553aa4986b
总结：对于大多数患者而言，近视眼激光手术是有效且安全的。但是，一小部分患者未取得成功的结果，需要随后的矫正治疗。本文探讨了将神经网络用作解决屈光手术预后问题的方法。
数据上，作者选择在2010年1月至2017年7月之间采用任何可用的外科手术技术(PRK，LASEK，Epi-LASIK，LASIK)进行屈光手术的2000多名患者，并调查了与屈光手术相关的13个因素(包括五个特定于患者的因素，例如角膜层的年龄和厚度，以及八个非患者性因素，例如手术技术以及手术室的温度和湿度)。进行一定的预处理后，使用Matlab的Ivqnet函数以随机方式创建了八个独立的学习向量量化(LVQ)网络(一种神经网络而已)，他们每个人都以(0个撤退等级)或(1个正确的等级)回应一个查询。然后将八个LVQ的结果取平均值，以对网络性能进行最佳估计，同时使用神经网络的投票程序得出结果。
初始屈光手术后具有良好的敏感性(0.8756)和特异性(0.9286)的再治疗需求。即通过这种简单的临床决策工具，识别出更可能需要第二次矫正程序的患者。
| 论文名称 | Artificial intelligence for pediatric ophthalmology |
|---|---|
| 中译名 | 人工智能与小儿眼科 |
| 发表期刊/会议 | Current opinion in ophthalmology 影响因子IF:2.824 / h-index:79 / CiteScore:2.91 中科院(2020)2区/医学/眼科学 |
| 发表日期 | 2019年9月 |
| 作者 | Reid, Julia E., and Eric Eaton. |
链接：https://journals.lww.com/co-ophthalmology/Abstract/2019/09000/Artificial_intelligence_for_pediatric.9.aspx
总结：讨论了小儿科患者的独特需求，以及人工智能技术如何应对这些挑战，调查了小儿眼科的最新应用，并讨论了未来机器学习被应用于小儿白内障的分类，白内障手术后的术后并发症预测，斜视和屈光不正的检测，未来高度近视的预测以及阅读障碍的诊断。
| 论文名称 | Current status and future trends of clinical diagnoses via image-based deep learning |
|---|---|
| 中译名 | 通过基于图像的深度学习进行临床诊断的现状和未来趋势 |
| 发表期刊/会议 | Theranostics 影响因子IF:8.063 / h-index:69 / CiteScore:8.12 中科院(2020)1区/医学/医学：研究与实验 |
| 发表日期 | 2019年10月 |
| 作者 | Xu, Jie et al. |
链接：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6831476/
总结：来自澳门科技大学的张康团队发表的一篇综述性质的文章，回顾了构建AI模型的基本流程，总结眼底图像的公开数据集，总结其余60篇对AI开发领域作出贡献的论文。
贰/成果转化的一些消息
中山大学眼科中心
其中最新消息更新时间：2019年08月01日
第一篇文章中中山大学眼科中心刘奕志团队的随机森林算法预测模型可对近视进展趋势进行个体化预测，3年内准确率达90%，10年内准确率80%以上，也可提前8年有效预测高度近视。
中山大学中山眼科中心人工智能与大数据专科与东莞光明眼科医院、东莞常平健明眼科医院联合举办“青少年视力预测及筛防人工智能项目”签约授牌仪式
中山大学中山眼科中心人工智能与大数据专科首席科学家林浩添教授表示，这个AI机器人是中山大学中山眼科中心刘奕志教授团队联合全国多家医疗机构、整理了10年百余万次的近视眼医学验光大数据研发出来的。
三方签约后，东莞光明眼科医院、东莞常平健明眼科医院将作为落地应用平台，与中山大学中山眼科中心合作建立东莞青少年近视等常见眼病的筛查与智能分析防控应用研究体系。在中山眼科中心人工智能与大数据专科的指导下，东莞光明眼科医院与东莞常平健明眼科医院会共同完成项目未来5年的数据收集方案的制定与优化，并根据要求完成一年一度的屈光筛查与数据采集工作。同时，两间医院将依托近视筛查平台，长期提供近视筛查服务，保证学生的眼健康资料每年至少一次进行更新与存档。
林浩添教授团队吴晓航博士说，目前AI机器人还没有大范围推广，仅在东莞常平健明眼科医院使用，后期更加先进的5G版本机器人将在东莞光明眼科医院投放使用。通过访问机器人，输入前后两次检查的年龄和度数等数据，前后两次检查间隔至少一年，即可预知10年内的近视度数变化与高度近视风险。
Airdoc
其中最新消息更新时间：2019年01月19日
Airdoc 已经在全国数百家宝岛门店内部署了人工智能视网膜健康风险评估服务，以人工智能为技术破局点，落地实际应用场景。Airdoc 联合宝岛在全国范围内积极展开了眼健康意识的普及，并且先后推出两册中国视网膜健康白皮书，并且针对不同的人提供了不同的眼健康防护方案，正在为每一个进店的近视患者提供综合的眼健康防护方案。
Airdoc 与中山大学中山眼科中心、上海交通大学医学院附属新华医院、福建医科大学附属第二医、西安电子科技大学等机构产学研联手，共同申请了“常见致盲、致畸、致死疾病的人工智能筛查诊断系统研发和临床试验” 国家重点研发计划项目。该项目涉及白内障、青光眼和糖尿病视网膜病变等致盲眼病、不致盲眼病和致死性疾病等几大课题。通过研发跨专科、多病种的医学影像人工智能诊断技术，提供新型医疗服务模式，对多以上常见重大疾病进行大规模人群的早筛、早诊、早防、早治，同时通过研发晚期重症患者的人工智能辅助技术，提升医疗的服务能力。
Airdoc 与爱康国宾集团合作，在全国各地爱康集团旗下的体检机构展开人工智能视网膜健康风险评估服务。
人工智能企业Airdoc联合星创视界、以色列视光高科技厂商Visionix、台湾明达医学和帮桥医疗器械五方在北京签署战略合作，共同打造应用眼镜店的“新三件”——眼底照相机、多功能眼健康筛查仪、数码裂隙灯。
眼底相机：基于数百万张医学影像，邀请300多位教授进行交叉标注，构建了深度神经网络模型。在Airdoc AI算法下，只需大约2分钟，眼底照相机就可以实时预测30余种慢性病，诊断准确率在97%以上。
多功能眼健康筛查仪：以色列Visionix研发的自动多功能综合检眼仪，利用军用卫星核心技术，云计算和AI服务由Airdoc提供，该设备可在大约2分钟内筛查眼部上千数据，形成关于双眼度数、昼夜视差、视疲劳、白内障、青光眼、圆锥角膜相关的风险报告
数码裂隙灯：作为检查角膜必不可少的仪器，由于操作复杂，眼前节健康筛查一直以医院为主。星创视界与裂隙灯厂商苏州帮桥打通系统，宝岛眼镜会员可通过裂隙灯接入Airdoc AI算法，Airdoc宣布联合星创视界联合应用和开发正式开启数码裂隙灯相关的眼前节AI开发算法。
2018年7月宝岛眼镜母集团星创视界引进Airdoc AI识别算法，AI首次被大规模应用到眼镜店场景中。星创视界集团拥有线下1200家门店，创造了家门口的服务场景，降低使用门槛。用AI复制医生经验赋能眼镜店，可以增加眼保健可及性。
设备厂商以色列Visionix、台湾明达医学和苏州帮桥，都将与Airdoc进行软硬件结合。Visionix的自动多功能综合检眼仪，云计算和AI服务也由Airdoc提供；明达医学的眼底照相机将与Airdoc、星创视界一起搭建视网膜筛查平台；为了更适合眼镜店使用，帮桥医疗器械减小裂隙灯显微镜设备的体积和面积，并通过AI技术不断升级自身产品。
Reference
- Lin, Haotian et al. “Prediction of myopia development among Chinese school-aged children using refraction data from electronic medical records: A retrospective, multicentre machine learning study.” PLoS medicine vol. 15,11 e1002674. 6 Nov. 2018, doi:10.1371/journal.pmed.1002674
- Balidis, Miltos, et al. “Using neural networks to predict the outcome of refractive surgery for myopia.” 4open (2019).
- Reid, Julia E. and Eric Eaton. “Artificial Intelligence for Pediatric Ophthalmology.” Current opinion in ophthalmology (2019): n. pag.
- Xu, Jie et al. “Current status and future trends of clinical diagnoses via image-based deep learning.” Theranostics vol. 9,25 7556-7565. 12 Oct. 2019, doi:10.7150/thno.38065
