“人工智能在眼科发展很快，也是因为眼部的图像和信息很容易获取并且类型多种多样，几乎涵盖了医学上常见的图像种类。”
晏丕松
亚非眼科学会亚洲办公室执行主任
人工智能，英文缩写为AI，大家应该不陌生，简单来说，就是想办法让机器像人一样思考和行动。
同样的道理，医学人工智能就是想办法让机器像我们医生一样思考，来为病人进行诊断和治疗。
这样讲，大家可能还是会觉得很抽象，那么，下面我给大家举一个例子，相信大家看完这个例子之后就会对我们眼科的AI有一个初步的印象。
我先请各位临时充当一下刚刚提到的“机器”，大家现在看这几张图片可能不知道这是要干啥，别急，那是因为还没有教会大家怎样像眼科医生一样来看病。
下面我把这几张图片的中间区域标记出来，然后再为他们配上一个标签。
左侧的代表正常情况，中间的这种情况我们称它为“全白内障”，右边的我们称它为“皮质性白内障”。
大家现在是不是在想，“哦，原来眼科医生是这样看病的，这不就是看图说话嘛，那我也会了。”
那行，下面就来给大家做一个测试。
给大家这样两张图片，是不是也可以前面学习到的依葫芦画瓢，完成诊断啦！
这其实就是我们开发眼科AI诊疗系统的一个非常简单过程。
我们知道，眼睛是位于人体体表的最重要的感觉器官，外界有90%左右的信息是通过眼睛来获取的。
同样，人工智能在眼科发展很快，也是因为眼部的图像和信息很容易获取并且类型多种多样，几乎涵盖了医学上常见的图像种类。
另外，现在的仪器设备自动化程度越来越高，很容易获取高质量的标准化的眼部医疗数据和图像。
还可以做到图像采集和筛查一体化，这样非常有利于各种AI的落地应用。
当然，我们眼睛还是唯一可以直接在活体上观察到血管和神经的体表器官，所以它不仅是心灵的窗户，也是全身健康状况评估的窗口。
比如通过观察这些血管的改变可以预测罹患心血管疾病的风险，通过观察神经的改变，还可以预测像“阿尔茨海默症”这样的神经系统疾病。
这些都是眼科AI发展迅速的独有的学科优势。
思想晚餐
已完成：30%//////////
研究眼科AI的方法
我们先从近视开始，来向大家介绍我们是如何做眼科AI研究的。
大家都知道，我们国家近视的发病率一直居高不下，尤其是今年的疫情，虽然给各位放了一个超长假期。
但是，同时也让我们中小学生的近视率较去年年底增加了11.7%，单独看小学生的近视率增加更多，达到了15.2%。
从全球来看，预计到年，将有一半的人会是近视。
大家可能很焦虑，也很想知道上面这些问题的答案。
这些问题也是我们眼科医生在门诊一直都需要回答的。
由于以前的研究存在数据来源单一，样本量小和数据不连续等等问题，经常出现同样的问题，不同研究，结果不完全相同。
所以，有些问题还不能准确的回答。
现在我们有了大数据、人工智能这些新的方法，不仅可以改变传统的研究模式，还可以预测疾病的未来。
于是，我们收集了中山眼科中心10年的万的有多次随访的验光结果来建立队列。
我在开始的时候向大家展示了AI研发的过程，大家就知道了，我们先要对这些数据进行提取、清洗和统计分析，寻找到其中的规律。
然后转换成机器能学会的语言，也就是建立算法模型，再对模型进行验证。
通过分析，我们发现，在6岁以前是会有低度数的远视，6岁半的时候跨过0度，7岁左右就逐渐向近视的方向发展。
随着用眼增多，度数逐渐加深，直到20岁左右可以稳定下来，度数一般是在度以内，这种近视我们称之为学龄性近视。
这张图上大家还可以更加清楚地看到5-10岁这个年龄段是近视进展最快的时候，因此，提示我们，这段时间尤其要加大近视防控的力度。
下面这个深灰色代表的是高度近视的变化情况，可以看到它和学龄性近视还不一样，没有特定起始年龄和稳定年龄。
我们把眼睛的屈光状态分成这样四类之后，可以看到几种类型的具体变化数据，远视和正视表现出占比下降，中低度近视和高度近视都呈现出增加的趋势。
然后我们还计算出了高度近视和低中度近视每年变化的速度，大家可以看到高度近视进展更快，发展为病理性近视的风险更大。
什么是病理性近视呢？
就是那些有视网膜脱离、黄斑萎缩、出血等等眼底病变的近视，病理性近视出现致盲的几率就要比单纯近视大很多。
因此，如何准确的预测出高度近视的发生就显得非常的重要。
完成了前面的数据分析，我们就可以把它转换成机器能识别的语言，来建立模型。
我们采用的是随机森林的机器学习方法，通过大量的数据进行训练和验证，最后我们建立了高度近视风险的智能预测软件。
我们只需要输入前后两次检查的年龄和眼睛的屈光度数，很快就能得到10年以内的近视度数预测结果和发生高度近视的风险。
非常的方便快捷。
这个软件已经经过很多的验证，3年内预测的准确率在90%以上，10年内的准确率也有80%以上。
这一科研成果也以封面论文的形式发表在一个很老牌的国际期刊上，引起了广泛的
