近年来，信息通信的多项关键数字创新技术飞速发展并不断成熟，创造了新世纪以来的高速发展纪录，为医疗健康行业开创了一个充满可能性的新时代，也彻底改变了医疗领域的方方面面，如从早期疾病监测到个性化计划诊疗到后期的预后改善。数字眼科学(digital ophthalmology)是一门囊括了第五代(5G)电信网络和物联网(IoT)、数字成像技术、人工智能(artificial intelligence,AI)等多个领域的跨专业学科 ^[1] ，为医学领域带来了前所未有的大变革，为开发新的护理模式提供了机会。对于眼科这一门严格基于成像技术和视觉数据分析的学科，数字眼科的优势更是体现得淋漓尽致，在AI、数字成像技术甚至多学科交叉发展方面也起到了推动发展的至关作用，拥有光明的前景与未来。本文在眼科AI的研究与发展方面选取了典型大类眼科疾病以及高发具体疾病进行详细论述，在数字成像技术方面筛选了近年来发展较为迅速的一些前沿眼科技术进行阐述，最后围绕眼科的多元化发展列举了眼科与其他学科交融的范例。

       AI在视网膜病诊断评估方面可以说是教科书级别的示范。基于光学相干断层成像(optical coherence tomography,OCT) 等图像的视网膜疾病筛查可实现快速区分正常眼和患病眼，使眼科医生更加专注于已确诊患者的诊疗和管理，大大提高了整体效率和准确性 ^[2] 。此外，作为影响众多糖尿病患者视力的罪魁祸首、视网膜病之一的糖尿病性视网膜病变(diabetic retinopathy, DR)的诊断，也引入了AI技术以提高筛查的准确率和效率。由美国食品药品监督管理局(Food and Drug Administration,FDA)批准的自主诊断系统利用眼底影像可对DR进行精确诊断和分类 ^[3] 。目前，最为常用的AI筛查技术为深度学习(deep learning,DL)，可运用多层的人工神经网络，从广泛的数据集理解复杂的模式，具备自动从视网膜图像中提取特征的能力，在没有人为干预和先验知识的情况下鉴别正常和异常的病例，达到了97.5%的灵敏度和93.4%的特异度，其高灵敏度和高特异度可以更好地筛查假阳性和阴性病例。不仅如此，从成本效率和临床影响的角度来比较，使用AI的DR筛查系统较传统方法都展现了其优越的性能特征 ^[2] 。我国是世界上成人糖尿病患者数最多的国家，患病率估计为10%~11% ^[4-6] ，造成了 DR 的高负担^[7] 。DR正在成为我国最普遍的致盲疾病之一 ^[8] 。根据“健康中国2030”战略，国家正式提出需探索和实施高效的DR筛查策略，以“预防为主”为原则，积极推进慢性病早期筛查 ^[9] ，争取做到早筛查、早诊断、早治疗、早治愈。

       参考角膜地形图、前节OCT和Pentacam眼前节三维图像等数据，多个研究团队利用卷积神经网络(convolutional neural network,CNN)陆续开发出针对圆锥角膜的多个自动分级方法，其中KeratoDetect算法保证了高水平的性能，在数据测试集上获得了99.33%的准确率 ^[10-13] 。通过对活体共聚焦显微镜图像的自动识别，AI可精准、快速地诊断真菌性角膜炎 ^[14] 。类似地，通过AI分析角膜溃疡荧光染色图片，可自动识别角膜损伤区域，并进行严重程度分级 ^[15] 。近日，温州医科大学陈蔚教授团队 ^[16] 利用AI方法开发了基于裂隙灯照相数据的角膜炎自动诊断系统，在对正异常角膜区分的测试中，具备6年经验的资深角膜专家分别获得了为96.6% (95.4%~97.7%)、98.6%(97.8%~99.4%)和97.3% (96.3%~98.3%)的准确度；具备3年经验的角膜专家的准确度为98.3% (97.4%~99.1%)、96.2%(95.0%~97.5%)和95.2% (93.8%~96.5%)，而角膜炎自动诊断系统的准确率达到了96.3% (95.1%~97.5%)、 96.7%(95.5%~97.8%)和 98.2% (97.3%~99.0%)，其诊断灵敏度和特异度可与角膜专家媲美(P<0.05)，研究结果对于膜炎的早期监测、及时治疗和预后具有重要意义。

      早在2002年，Salvi 等 ^[17] 基于不同程度甲状腺相关眼病 (thyroid-associated orbitopathy,TAO) 患者的眼科检查数据(如睑裂宽度、眼突度、视力、电子计算机断层扫描等) 进行了神经网络分析，开发出一种TAO分期和预测疾病进展的方法，准确率可达67%。近年研究报道了甲状腺相关眼病的新诊断和分级方法的发展，通过DL和图像分析实现了准确率均大于85%的目标 ^[18-19] 。在眼眶肿瘤方面，浙江大学附属第二医院眼科中心叶娟教授团队 ^[20] 深度挖掘眼睑良、恶性肿瘤的病理图片，开发了一种可深度鉴别良恶性肿瘤的深度学习系统(DLS)，对于组织病理切片的特异度、准确度和灵敏度达到了95.3%、94.9%和94.7%；7位经浙江大学医学院附属第二医院董事会认证的病理学家的平均特异度、准确度和灵敏度分别为(93.2±9.9)%、(92.5±6.2)%、(91.2±11.2)%，DLS成功提高了病理诊断准确性。

       屈光不正是广泛的公共卫生问题，近视防控已经上升为国家战略，AI也在该领域应运而生。最近，中山大学刘奕志教授团队 ^[21] 利用AI分析学龄儿童的屈光大数据，成功开发了一种可准确预测儿童屈光度变化的方法，3年内准确率达90%，10年内准确率达80%以上，这对于有效防控和干预近视具有重大意义。在国外也开发了可预测近视的DLS，推导出三种不同模型——临床、图像和混合(临床＋图像)来预测5年后青少年(11~17岁)的高度近视发展情况。使用受试者操作特征曲线下面积(area under curve,AUC)，分别与测试数据集进行对比，评估模型性能。其中，临床模型的主要数据集 AUC为0.90~0.97，测试数据集为0.93~0.94；图像模型的主要数据集 AUC为0.93~0.95，测试数据集为0.91~0.93；混合模型的主要数据集 AUC为0.97，测试数据集为0.97–0.98，3种模型均达到临床可接受范围的性能 ^[22] 。此外，AI还可导角膜屈光手术和角膜塑形镜验配的选择 ^[23] ，从各层面优化了诊疗效率、精确度，为患者提供更舒心的就医体验。

       青光眼是一种视神经疾病，由房水循环阻滞导致，以视神经乳头凹陷加深及萎缩、病理性眼压增高等为特征，是导致全世界不可逆失明患者的主要原因。预计到 2040 年，全球青光眼患者将增加到 1.12亿 ^[24] 。此外，部分青光眼患者早期无症状的情况增加了筛查难度。积极实施青光眼监测和治疗刻不容缓。Shigueoka及其同事使用来自462例患者的14 034次的谱域光学相干层析成像技术(spectral domain OCT,SD-OCT)所获得数据作为DL模型的数据源，通过不断完善模型，现已可用于青光眼病程发展的监测 ^[25] 。以上说明，AI在实施低成本监测和优化早期治疗方面发挥了关键作用。

       AMD是发达国家老年人视力减弱或丧失的主要原因。逐渐老龄化的社会需要一个可以对患者进行评估的、强有力的ＡI筛选系统。由于AMD具有慢性和复发性的特点，治疗过程中比较棘手的问题在于耗费时间和频繁地预约检查。因此，英国采用了虚拟诊所的诊疗方式，患者可以在虚拟诊所进行视力复查和OCT检查等基本就诊步骤，有效减少了平均预约时长。此外，家庭监测和个人保健已成为趋势，许多具备高灵敏度的家庭监测设备获得了群众和医生的青睐。例如可用于AMD监测、由瑞士眼科医生马克 • 阿姆斯勒(Marc Amsler)开发的阿姆斯勒表已成为眼科家庭监测的代表。通过患者定期的自我监测，可以及时发现诸如视力下降、视物变形、暗点等疾病前兆，获得进一步诊断和治疗的先机，相较于传统的定期复查，自我监测的过程使得整体的治疗过程更加富有弹性和个性化，赋予患者更大的自主权。遗憾的是，目前仍未有相关的临床数据提供参考对照 ^[1] 。

       AI在提高患者白内障监测效率和质量方面拥有巨大潜力，优化了诊断流程并提升了准确度。基于裂隙灯照片的算法成功问世，实现了小儿白内障的分级诊疗，运用支持向量机(support vector machine,SVM)和softmax分类器与传统的医疗模式相比较，在特异度、灵敏度、平均准确度这3个方面均表现出了优异性能——位置(89.28%、82.70%和93.08%)、分类(97.07%、97.28%和96.83%)、三度分级区域(89.02%、86.63%和

90.75%)、密度(92.68%、91.05%和93.94%) ^[26] ，为更多患者提供了快速、及时的诊疗机会。

       远程医疗是指综合利用电信技术，对远程患者进行监测和咨询，促进及时干预。远程医疗可以平衡人民日益增长的医疗需求与城乡资源结构不均匀之间的矛盾，具有广阔的应用前景和发展空间，近年来在眼科疾病筛查方面也取得了很大进展。

      一直以来，DR远程筛查都是提高诊疗效率的关键点。对此，一些发达国家提出培养训练有素的视网膜分级师，综合利用AI进而衍生发明出电话眼底(fundus on phone,FOP)视网膜成像算法，实现了临床医生和卫生人员的工作分级，扩大了筛查覆盖率，解决了不同地区资源分配不均衡的问题^[1]。早在2010年，新加坡就已经设立了国家级的远程医疗DR筛查计划——新加坡综合 DR 计划(Singapore Integrated Diabetic Retinopathy Programme,SiDRP)^[27]。通过远程医疗平台传送视网膜照片，使得大多数患者在1 h内即可接收到报告，极大程度地缩短就诊时间和降低医疗成本^[1]。除此以外，以DR筛查为目的的营利性公司有部分已经上市，IDx-DR是第一且是唯一获得FDA授权的自主AI诊断系统^[1]。

       ROP是一种视网膜增生性疾病，若没有得到及时良好的治疗，或可能恶化为牵引性视网膜脱离(retinal detachment,RD)，严重者可出现视力完全丧失。早期筛查和及时治疗已被证实为有效的防范手段。然而，在ROP筛查方面仍然存在许多挑战和不足。如在美国，只有 11% 的眼科医生能够使用双目间接检眼镜进行 ROP 筛查，甚至更少 (6%) 眼科医生能够对 ROP 进行激光光凝术^[28]。因此，提升ROP 筛查的远程医疗技术非常必要。有不少行业领先单位已经成功开发出相关诊疗模型并取得了进展。Brown等^[29]构建了基于DL的算法用于ROP诊断,在包含 100 张图像的独立测试集上，该算法实现了 91% 的准确率和 0.92 的二次加权κ系数，在8名参与测试的ROP专家中仅2名超过了该正确率，该算法的可靠性得到了证实。因此，ROP远程筛查可促进有限的医疗资源更有效和公平地分配，为身处异地的患者提供了较为精确的诊断，带来了便捷与可信。
       当然，任何技术的发展都是挑战与机遇并存的。尽管AI的优势非常明显，但在医疗伦理、技术风险、评价标准、建立数据库等方面仍然存在需要改进提升的部分。例如，AI缺乏公认的评价标准，当分析结果与医生判断结果存在差异时也缺乏可解释性，但一项技术的成熟，往往需要时间和经验的积淀。

2 数字成像技术的研究进展

2.1 OCT技术在眼科手术导航方面的进展

       OCT是一种非接触式断层成像技术，可有效解决眼科显微手术中手术器械和内部结构不可视的问题。由于其具有可提供深度信息、成像快、非侵入、分辨率高等优点，被广泛运用于眼科手术的术中导航。OCT涵盖多种类型：第一代OCT称为时域OCT，其诞生十年后衍生出二代频域OCT，又名傅里叶OCT，提高了成像质量和灵敏度。除此以外，由于传统台式OCT的物理限制，手持术中OCT应时而生；手术显微镜集成OCT(microscope-integrated OCT,MIOCT)的问世又弥补了手持式OCT的不足。当下最为广泛使用的OCT为可实现术中实时三维成像的MIOCT，借助于平视成像系统，妥善解决了手术中不能提供完整信息和观察图像不便等问题 ^[32] 。

2.2 分子影像技术(molecular imaging)在眼科肿瘤方面的进展

       分子影像技术是一种采用非侵入性方式在活体状态下对生物体的细胞或者亚细胞进行可视化或者量化分析的技术，可用于肿瘤的早期诊断、个性化治疗和预后判断。眼部肿瘤的早期发现是提高治疗成功率和生存率的重中之重，因眼部结构精细，不适用活组织检查，故分子影像技术将成为诊断眼部肿瘤的有力工具。正电子发射型计算机断层扫描显像仪(positron emission tomography,PET)和电子计算机断层扫描(computed tomography,CT)均可用于诊断和监测肿瘤转移。有学者利用PET/CT实时监测脉络膜黑色素瘤代谢情况，若出现代谢异常，可能意味着局部转移或复发 ^[33] 。

2.3 医学成像在3D建模中的创新进展

       医学成像数据如CT扫描和MRI图像数据，可以通过3D打印转换为详细的三维模型，实现了从二维平面到三维立体的转变，大大提高了患者对手术过程和目的的了解，增加医患信任度，彻底改变了术前规划领域。医生也可以对二维图像没有精确涉及的深度信息做到深度把握，更好地规划手术流程，最大程度地降低手术风险，改善患者的手术效果，做到更加个性化的诊疗。外科医生还可以利用 3D 打印定制每个患者独特的手术植入物，从而提高精度并缩短手术时间 ^[4] 。

2.4 新的机器学习技术在提高图像分辨率上的研究进展

       低分辨率图像中模糊或者丢失的细节可以用新机器学习技术得到画质恢复，改善了图片质量；新的知觉损失函数也逐渐被纳入医疗系统，巧妙结合了医学影像分割等多个知识层面的信息 ^[4] ，旨在加强边缘、纹理等部分的图像质量和分辨率，在细微处提升了医生诊疗的准确性。

3 多元化发展

3.1 与化学的交叉融合

       静电纺丝制备的纳米纤维膜与细胞外基质相似，具有高比表面积、高空隙率、可添加多种成分等特点，使其具备药物装载方面的优势，可实现药物缓释等作用。目前静电纺丝膜已经运用于眼表疾病、角膜病、青光眼以及视网膜疾病治疗等方面。如载药纳米纤维为生物可降解材料，可作为新型植入性材料固定于患者结膜囊内，研究结果显示患者并未出现不良反应，该材料还增长了药物在角膜表面发挥药效的时间，降低了给药率，提高了药物利用率 ^[35] 。

3.2 与工程学的交叉融合

       通过对裂隙灯显微镜这类眼科医学装备的维修环节进行评估，对维修成本较高的配件进行测绘并3D建模，打印配件最后进行临床测试。研究结果表明，3D打印制作的配件使用效果极佳，提高了维修效率，降低了维修成本，提高了设备使用率，延长了设备使用寿命 ^[36] 。

3.3 与计算机的交叉融合

       三维动画(three dimensional animation)又称3D动画，可综合利用多种技术模拟真实物体，具备可操作性、真实性和生动性，为眼科理论授课和手术培训增加了趣味性，成功调动了学生课堂上的积极性和参与度，显示出了巨大优势和良好的教学效果，广泛运用于各科各专业。目前，该项计算机技术也已经完美融入眼科教学事业当中 ^[37] 。此外，虚拟现实(virtual reality, VR)也被证实在眼科解剖学教学中具备提升学习趣味性和教学效果的作用。将学生随机分为使用传统聚氯乙烯(polyvinyl chloride,PVC)模型进行教学的对照组和使用VR进行教学的实验组，在随堂测验中显示实验组平均取得(80.55±11.99)分，而对照组平均取得(71.68±15.82)分 ^[38] 。结果显示，使用VR进行教学有助于学生更快、更好地理解组织结构，取得更为理想的成绩。

4 结语

       无数创新技术和科研人才的智慧为眼科蓬勃发展创造了良好的环境。在众多创新之中，数字眼科技术是一股势不可挡的强大力量，正在逐渐渗透进眼科领域的方方面面，到目前为止也取得了丰硕的成果。尽管某些技术仍然处于开发探索阶段，缺乏临床试验或数据支撑，医生和民众的接受度也需要时间的沉淀和心理的过渡，但毫无疑问的是，智能化治疗是未来的就医趋势，伴随医疗行业的飞速发展和科研工作者的不懈努力，各项技术的运用必定趋向成熟并在临床上得到普及和认可，为患者提供更加优质、可持续的眼科诊疗，创造更良好的就诊体验、就诊环境和医患关系。

利益冲突

       所有作者均声明不存在利益冲突。

开放获取声明

       本文适用于知识共享许可协议 (Creative Commons)，允许第三方用户按照署名(BY)-非商业性使用(NC)-禁止演绎(ND)(CC BY-NC-ND)的方式共享，即允许第三方对本刊发表的文章进行复制、发行、展览、表演、放映、广播或通过信息网络向公众传播，但在这些过程中必须保留作者署名、仅限于非商业性目的、不得进行演绎创作。详情请访问：https://creativecommons.org/licenses/by-nc-nd/4.0/。