通过人工智能实现更好的视力

在过去五年中，加州大学圣地亚哥分校（UC San Diego）的几位电气工程研究生每周有一天会在Shiley眼科研究所的乔安和欧文·雅各布视网膜中心工作。该中心是全国唯一的独立视网膜研究中心，致力于增加对视网膜疾病（如黄斑变性和糖尿病相关失明）的理解，并进行临床试验以开发更好的治疗方法。但这些学生并不是为了治疗或看病人而来。

神经生物学学生莎拉·沙克特曼（Sarah Shacterman）自愿接受视网膜扫描。

通过一项独特而长期的合作，电气工程师们嵌入到雅各布视网膜中心，与眼科医生合作开发更好的计算机视觉、人工智能（AI）和图像处理工具，以帮助医生更快、更准确地诊断患者；预测哪种药物对特定患者最有效；甚至辅助开发新的视网膜疾病治疗方法。

在五年的合作期间，工程师和眼科医生共同发表了21篇论文，在临床和工程期刊上都有所贡献。

“我们最初的问题是能否帮助眼科医生对齐视网膜图像，以及AI能否帮助医生更快、更准确地检测疾病，”加州大学圣地亚哥分校雅各布斯工程学院的电气与计算机工程教授阮翠松（Truong Nguyen）说，“我们做到了这一点。在这次合作中，拥有工程方面的专业知识（包括机器学习、图像处理等）和临床方面的专业知识是非常关键的。我们在取得成果方面非常成功，并产生了广泛的影响。”

阮翠松实验室的研究生与加州大学圣地亚哥分校医学院Viterbi家族眼科系杰出教授兼副主席、Shiley眼科研究所雅各布视网膜中心主任威廉·弗里曼（William Freeman）博士合作。弗里曼和阮翠松表示，这种长期且有影响力的合作伙伴关系对两个研究领域都带来了极大的益处，非常独特。

“每周的讨论中，工程师积极参与患者护理，使他们更容易理解工作需求，这是非常罕见的，”弗里曼说，“我们的合作不仅仅是短期项目；即使有人与我们合作两到三年并获得博士学位后，这种持续的联系仍然是独特的。这种跨越校园医学和工程领域的持续努力不仅仅是为了声称我们使用AI——这是一种通过创新解决实际医疗挑战的专门方法。”

加州大学圣地亚哥分校的视力研究和患者护理正在共同努力治愈失明

由慷慨捐赠者的慈善支持，包括达琳·希利（Darlene Shiley）、安德鲁·维特比（Andrew J. Viterbi）、汉娜和马克·格莱伯曼（Hanna and Mark Gleiberman）以及尼克斯愿景基金会（Nixon Visions Foundation），加州大学圣地亚哥分校旨在进一步扩大其在该领域的影响。

2025年，加州大学圣地亚哥分校将在拉霍亚校区的UC San Diego Health开设备受期待的维特比家庭视力研究中心。这座五层楼、10万平方英尺的设施由安德鲁·维特比博士捐赠5000万美元建造。该中心将包括实验实验室、基因和干细胞疗法临床试验以及行政空间，旨在进一步推动校园的开创性视力研究。目前分散在校园各地的视力科学家将在建成后搬入该中心。

维特比家庭视力研究中心还将设立汉娜和马克·格莱伯曼青光眼研究中心，该中心由格莱伯曼夫妇捐赠2000万美元建立。

得益于尼克斯愿景基金会的支持，有关黄斑营养不良的研究也将在新中心进行。黄斑营养不良是一种视网膜疾病，会逐渐削弱视力，最终可能导致失明。

在Shiley眼科研究所奠基仪式上，眼科系主席兼杰出教授、Shiley眼科研究所主任、Morris Gleich青光眼主席罗伯特·魏因雷布（Robert N. Weinreb）博士评论道：“我们正在与其他部门建立桥梁，包括神经科学、数据科学、生物信息学、工程、生物工程、干细胞生物学和基因疗法。”他补充道：“我们的梦想是实现不可能的事情。我们将治愈致盲眼病。”

此外，Shiley眼科研究所正在进行重大翻修，这要归功于达琳·希利捐赠的1000万美元。随着眼科服务需求显著增加，该项目将在Shiley眼科研究所增加一层用于患者护理。Shiley眼科研究所是在达琳及其已故丈夫唐纳德的支持下，三十多年前建立的。

更快的诊断

尽管这一合作已经发表了近二十篇科学论文，还有更多在筹备中，但有几个特别值得注意的例子展示了这种合作研究如何改善患者的治疗结果。最近，联合团队开发了一种AI工具，仅通过观察患者眼睛血管的光学相干断层血管成像（OCT血管成像）图像，就能预测患者是否患有与年龄相关的黄斑变性。这些图像是无创的，在标准临床就诊中几分钟内即可拍摄。AI工具使眼科医生可以从照片中获取与之前需要活检评估相同的信息。它基于图像的准确性达到了80%，超过了人类专家的表现。

不仅该工具能帮助医生更快、更准确地诊断患者，还可以用于开发更好的药物来治疗黄斑变性。

在另一篇论文中，团队设计了一种方法，合成来自不同时间点的多张图像，以更准确地检查血管损伤或肿瘤的大小是否有所增长。

“当你观察视网膜疾病的周边区域或外缘时，它们很难看到，”弗里曼说。“要跟踪随时间的变化，通常会比较前一年和当前的图像，以查看是否超出了某个特定点，如血管或标记。”

工程师们开发了一种方法，将以前的图像与当前患者的图像重叠，从而立即看出问题区域是否从几年前开始增长或变化。AI方法定位问题区域的速度比传统并排图像比较快37%，且错误率为零，而并排比较由眼科医生进行时的错误率为18%。

眼科医生和工程师还开发了深度学习网络，用于校正三维视网膜成像中的眼球运动，定量评估由于与年龄相关的黄斑变性导致的血管形态变化，校正超广角和窄角视网膜图像之间的失真，并创建了用于叠加不同光学仪器多模态图像的AI工具，以帮助患有色素性视网膜炎的患者，以及其他许多联合进展。

临床医生坚持认为，这些算法和模型最终只是工具，旨在增强而不是取代眼科医生的专业知识和道德决策能力。

为公共利益而工程

电气工程研究生文波（Bo Wen）表示，能够取得如此具体的结果对他和其他参与的眼科项目电气工程学生来说是一个巨大的动力。

“如果我们实际上没有帮助人们，那么我们为什么要做这个？”文波说。“如果我们只是为了发表几篇论文，那太肤浅了。我们希望我们的工作能在疾病诊断和治疗方面产生影响。”

阮翠松鼓励加州大学圣地亚哥分校的其他教职员工和学生投入时间在校内发展跨学科合作。学校有近4000名教师从事前沿研究，有许多机会可以将专业知识应用于新领域。

“这种合作的真正力量在于我们了解自己的专长，了解自己的贡献，并定期会面，看看如何相互利用这些专长，”阮翠松说。“工程师有很多机会可以扩展领域，真正服务于现实问题——这是我最喜欢的一点。”

(全文结束)