人工智能在近视防治中的应用专家共识 （2024） .pdf

人工智能在近视防治中的应用专家共识(2024)

【摘要】未经矫正的近视会影响人类的视力和视功能，是一个全球性的公共卫生问题。不

断增加的近视人口正在给卫生保健系统带来越来越大的负担。此外，高度近视或病理性近视

会增加视网膜病变等并发症的风险，从而导致不可逆转的视障碍。因此，近视的及时发现

与干预、并发症的及早发现与治疗至关重要。基于医疗大数据的人工智能(AI)模型具有辅助

指导近视个体化诊断和治疗的潜力，AI作为近视高发病率和患病率的一种潜在可行的解决

方案，在早期识别、风险分层、进展预测和及时干预等方面具有重要价值。本专家共识由中

国医药教育协会眼科影像与智能医疗分会和国际转化医学协会眼科专业委员会组织专家制

定，总结目前AI在近视防治中的应用现状，分析目前面临的重要挑战，提出AI在近视防治

领域的未来方向，旨在为AI在近视防治和精准医疗中的应用提供参考。

【关键词】近视;人工智能;机器学习；深度学习

1《人工智能在近视防治中的应用专家共识(2024)》制定背景和方

目前,全世界有超过20亿人患有近视(定义为屈光度N-0.50D)其中15%为高度近视(定

义为屈光度N-6.0D)［l］。在亚洲，近视患病率高达80%以上，到2050年，预计全世界将有

近50亿人患有近视，占全球预计人口的近一半，这将给医疗保健服务带来巨大负担。一项

调查表明，仅2015年，全球因未矫正的近视和近视性黄斑变性导致的视力障碍和盲造成的

潜在全球经济生产力损失高达2440亿美元［2］。病理性近视是近视相关不可逆视力损害的主

要原因，脉络膜新生血管(choroidalneovascularization,CNV)、黄斑萎缩、黄斑裂孔、

视网膜变性和孔源性视网膜脱离等是其常见并发症［3］。近视已成为全球性的公共卫生问题,

因此，应对近视大流行的策略至关重要，如早期识别、定期随访和及时干预高危近视人群。

在中国，近视防控已成为国家战略，但要实现这一目标仍面临许多挑战。近年来，人工

智能(artificialintelligence,Al)显示出医疗信息和图像自动化分析的巨大潜力。在眼

科领域，由于各种成像技术在眼部疾病中的广泛应用，许多研究将AI方法应用于不同的眼

科疾病，包括干眼、白内障、青光眼和眼底疾病等［4-7］o迄今为止，已有许多研究将AI

和数字技术应用于近视的临床管理，其中一些已取得了显著成果。目前，基于AI在近视中

的应用尚未形成统一的可遵循的专家共识，因此，中国医药教育协会眼科影像与智能医疗分

会和国际转化医学协会眼科专业委员会于2022年10月成立人工智能在近视防治中的应用专

家共识(2024)专家组，组织执笔专家、屈光专家、眼科影像专家认真学习国内外AI在近视

中的应用研究文献，并结合眼科AI临床研究的实践经验，召开线下和线上会议，针对AI

在近视中的应用进行充分讨论和论证，总结了AI在近视中的应用现状以及如何应用AI来解

决近视领域的重要挑战。由执笔专家组成员撰写共识初稿，初稿形成后通过电子邮件和微信

方式由各位专家独立阅读并提出修改意见，分别提交共识撰写组核心成员，修改意见经过整

理并通过微信、邮件方式和线上会议进行讨论和归纳，专家共识在修改期间充分接受参与专

家的建议和指导意见，最终达成共识终稿，旨在为近视的防治和精准医疗提供参考。本共识

制定过程历时1年余。

2AI在近视临床数据管理中的应用

2.1近视的临床数据管理

近视传统上被认为是生活方式、遗传和环境因素共同作用的结果［8］。在临床上接诊患

者时，临床医师的诊疗过程通常遵循危险因素识别、检查过程、治疗策略选择和持续管理的

顺序［9］。在上述临床实践过程中，都会产生大量的临床数据。因此，建议初诊时即对患者

进行常规详细的病史采集，并确定特定个体的危险因素。采集行为和环境数据，例如用眼习

惯、阅读距离、照明条件和户外活动，以及与疾病有关的个人信息采集，例如人口统计、遗

传和心理状态。然后，对患者进行近视临床检查，一般检查包括视力、裂隙灯显微镜、眼底、

睫状肌麻痹验光检查;特殊检查包括角膜曲率、眼轴长度、双眼视功能、眼底照相、眼压、

视野、A/B型超声、光学相干断层扫描(opticalcoherencetomography,OCT)＞荧光素

眼底血管造影等检查。以上采集的眼科信息绝大多数是以