王萱 陳向東 劉志敏 歐陽紅波

〔摘要〕 人工智能（artificial intelligence， AI）不斷普及，為醫(yī)學等傳統(tǒng)行業(yè)的發(fā)展帶來了前所未有的契機。眼科是一門以影像學診斷為主的學科，有著與AI深度結合的潛力。中醫(yī)眼科的特色是整體觀念和辨證論治，故將整體癥狀與舌脈象融入眼科AI系統(tǒng)，對疾病的診斷十分有必要。以部分眼?。ㄌ悄虿∫暰W(wǎng)膜病變、早產(chǎn)兒視網(wǎng)膜病變）為例，從眼底病變的篩查與預測的重要性、遠程醫(yī)療現(xiàn)狀、眼底圖像的采集及自動診斷、AI與中醫(yī)辨證論治的結合等方面，介紹目前AI在部分眼底病變篩查中的新技術、新應用，闡述目前發(fā)展的不足與面臨的挑戰(zhàn)。

〔關鍵詞〕 人工智能;眼底病變;中醫(yī)眼科;糖尿病視網(wǎng)膜病變;早產(chǎn)兒視網(wǎng)膜病變

〔中圖分類號〕R276.7 ? ? ? 〔文獻標志碼〕A ? ? ? ?〔文章編號〕doi：10.3969/j.issn.1674-070X.2021.12.028

Progress of Artificial Intelligence in Fundus Disease Screening

WANG Xuan1，2，3，4， CHEN Xiangdong1，3，4*， LIU Zhimin1，3，4， OUYANG Hongbo5

（1. The First Affiliated Hospital of Hunan University of Chinese Medicine， Changsha， Hunan 410007， China; 2. Hunan University of Chinese Medicine， Changsha， Hunan 410208， China; 3. Hunan Provincial Key Laboratory for Prevention and Treatment of Ophthalmology and Otolaryngology Diseases with Chinese Medicine， Changsha， Hunan 410208， China; 4. Hunan Provincial Engineering and Technological Research Center for Prevention and Treatment of Ophthalmology and Otolaryngology Diseases with Chinese Medicine and Protecting Visual Function， Changsha， Hunan 410208， China; 5. Anxiang County Third People’s Hospital， Changde， Hunan 415600， China）

〔Abstract〕 The continuous popularization of artificial intelligence （AI） has brought unprecedented opportunities for the

development of traditional industries such as medicine. Ophthalmology is a subject based on imaging diagnosis， which has the potential of deep integration with AI. The characteristics of ophthalmology of traditional Chinese medicine are holistic concept and syndrome differentiation and treatment. Therefore， it is necessary to integrate the overall symptoms and tongue pulse into the ophthalmic AI system for the diagnosis of diseases. Taking some eye diseases as an example， this paper introduces the new technology and application of AI in screening fundus lesions from the aspects of the importance of screening and prediction of fundus lesions， the status quo of telemedicine， the collection and automatic diagnosis of fundus images， and the combination of AI and TCM syndrome differentiation and treatment， and expounds the shortcomings and challenges of current development.

〔Keywords〕 artificial intelligence; fundus disease; ophthalmology of traditional Chinese medicine; diabetic retinopathy; retinopathy of prematurity

科學家艾倫·紐厄爾和奧利弗·塞弗里奇在1955年分別提出了下棋與計算機模式識別的研究，人工智能（artificial intelligence， AI）雛形首次出現(xiàn)[1]。AI發(fā)展迅速，截至2018年，中國AI市值規(guī)模已達238.2億元。AI正在惠及人類生活的方方面面，也推動了醫(yī)療行業(yè)的迅速發(fā)展。2017年，中山大學眼科中心建立了白內障AI平臺，公布了眼科AI診斷和治療系統(tǒng)的消息，從此開啟了中國眼科界AI的新紀元。在此基礎上，眼底疾病的AI診斷和治療也在悄然崛起。利用AI技術對部分眼底疾病進行早期篩查能夠延緩病程進展，有效地降低致盲率，故本文以糖尿病視網(wǎng)膜病變（diabetic retinopathy， DR）、早產(chǎn)兒視網(wǎng)膜病變（retinopathy of prematurity， ROP）為例，簡述AI時代下眼底病變篩查方式的進展。

1 眼底病變篩查與預測的重要性

眼科與影像學的關系十分密切，尤其是眼底病學，更是高度依賴于影像診斷學。眼底血管作為人體唯一可以無創(chuàng)直接觀察的血管，對眼底疾病的診斷具有極其重要的意義。人體的許多全身疾病均可在視網(wǎng)膜上有所體現(xiàn)。比如糖尿病、高血壓等。眼底發(fā)生的病變程度也反映了全身疾病的嚴重程度，能夠評估疾病的轉歸和預后。但由于醫(yī)生診斷的個體差異性較大，眼科醫(yī)療人才匱乏、優(yōu)秀的眼科醫(yī)生培養(yǎng)周期過長等現(xiàn)實因素，導致了有限的眼科醫(yī)生無法承擔過重的眼底疾病診療業(yè)務，致使原本可早期干預防治的眼底疾病由于發(fā)現(xiàn)不及時，未進行有效治療，從而錯過最佳治療時間，延誤治療，甚至致盲。AI的興起，既彌補了肉眼識別圖像的個體化差異，又可迅速批量處理大量圖像，還可搭建起遠程醫(yī)療的橋梁，節(jié)省了大量的時間、空間、人力，服務人群更加廣泛。

2 眼底疾病遠程醫(yī)療現(xiàn)狀

眼病致盲是危害最嚴重的殘疾之一，雖不致生命危險，但嚴重影響生活質量。而眾多眼病具有群防群治的特點，且眼科的疾病診斷以影像學為主，故只要做好早期篩查工作，便可挽救很多人的視力?；鶎拥膶？漆t(yī)生資源短缺，為了節(jié)省人力物力，遠程醫(yī)療為眾多患者提供了極大的便利，因此，眼病在遠程醫(yī)療方面市場需求巨大。

2.1 ?部分眼底疾病國外遠程醫(yī)療現(xiàn)狀

2.1.1 ?DR的國外遠程醫(yī)療現(xiàn)狀 ?DR是糖尿病微血管病變在眼部的重要表現(xiàn)，屬于糖尿病的嚴重并發(fā)癥之一。DR的遠程醫(yī)療在國外已得到發(fā)展。英國國家衛(wèi)生系統(tǒng)診斷性眼科篩查項目（national health system diabetic eye screening program， NDESP）是世界上第一個覆蓋全國的政府級篩查和監(jiān)測項目。截至2012年，有200萬人參加了該項目的篩選。2013年，近7.4萬名DR患者轉診至專業(yè)眼科醫(yī)生，4600名患者得到及時治療。研究表明，該項目使糖尿病患者的視力喪失率顯著降低[2]。英國開展了NDESP后，英格蘭和威爾士失明的主要原因不再是DR[3]。JOSLIN視覺網(wǎng)絡是美國的一個遠程醫(yī)療項目。其網(wǎng)絡診斷結果與金標準高度一致，完全一致率和一致率分別達到了72.5%和89.3%，尤其是糖尿病黃斑水腫的診斷。與傳統(tǒng)項目相比，該項目的后續(xù)效果較好，對疾病的發(fā)現(xiàn)和治療效果明顯。接受激光治療的病人在4年內增加了50%[4]。一項涉及美國巴爾的摩DigiScope遠程醫(yī)療項目1600人的研究表明，遠程觀察結果與眼科醫(yī)生的一致性為91%。目前，已經(jīng)有超過10萬人在美國和國外接受了篩查。首次篩查的患者，遠程項目DR轉診率為20%，與其他項目基本相同[5]。另一項研究表明，加拿大阿爾伯塔省的遠程診斷和治療項目的圖片在CSDME、高風險NPDR和高危PDR方面與7視野的ETDRS圖片相比具有很高的一致性（R=1.00）。截至2009年，法國巴黎的ophdiat系統(tǒng)已經(jīng)對3.8萬人進行了篩查和監(jiān)測，2005年至2009年，篩查率從50%上升到了74.5%，對于這些患者，專業(yè)的眼科醫(yī)生節(jié)省了60%的時間[6]。荷蘭也有Eyecheck系統(tǒng)，到2010年，全國30%的糖尿病患者參與了該項目的篩查和監(jiān)測[7]。

2.1.2 ?ROP的國外遠程醫(yī)療現(xiàn)狀 ?ROP與DR相比，病情進展較快，是造成新生兒失明的主要原因之一。據(jù)不完全統(tǒng)計，每年全世界有32 000例患者因ROP相關的疾病失明，尤其是在中低收入的發(fā)展中國家[8]。eROP團隊對來自13個北美中心的數(shù)據(jù)進行分析，訓練有素的成像師使用數(shù)碼相機進行數(shù)字成像具有94%的靈敏度，且1257名嬰兒診斷檢查確定了18.2%的眼睛（19.4%的嬰兒）為保證轉診ROP（referral-warranted ROP， RW-ROP）[9-10]。蒙大拿州曾做過一項基于“真實世界”回顧性研究，137名來自一個NICU的嬰兒均報告了良好的結果，其中13人需要轉院，9人最終需要激光治療。在他們的回顧調查當中，超過4～5年來沒有嬰兒發(fā)展到4級或5級ROP[11]。

2.2 ?部分眼底疾病國內遠程醫(yī)療現(xiàn)狀

2.2.1 ?DR的國內遠程醫(yī)療現(xiàn)狀 ?目前，我國部分地區(qū)也在開展DR的遠程醫(yī)療。例如，北京市德勝社區(qū)DR遠程篩查系統(tǒng)。該系統(tǒng)以免散瞳數(shù)碼眼底相機和互聯(lián)網(wǎng)傳輸技術為基礎，采集社區(qū)內1355例2473只眼的2型糖尿病患者的前段和眼底圖像，并將圖像傳輸?shù)结t(yī)院閱片中心，由有經(jīng)驗的眼科醫(yī)生對圖像進行分析并反饋結果，遠程篩查系統(tǒng)眼底圖像讀取與現(xiàn)場擴瞳檢眼鏡DR診斷等級一致性較好（kappa=0.895），黃斑水腫診斷一致性良好（kappa=0.763），有無視網(wǎng)膜光凝與光凝分級診斷結果一致（kappa=1.000）。單個樣本的遠程篩查需要10 min左右，而瞳孔擴張后眼底檢查需要23 min，大大提升了診療效率。遠程系統(tǒng)隨訪率75.2%[12]。類似的研究上海市北新涇社區(qū)DR遠程篩查系統(tǒng)也在進行。傳統(tǒng)檢查與眼底攝影診斷DR的眼數(shù)相同，一致性檢驗kappa值為0.885。不同分級DR診斷一致性良好。每個受試者的實時篩查所需時間為5～7 min[13]，大大節(jié)省了患者的就診時間。

2.2.2 ?ROP的國內遠程醫(yī)療現(xiàn)狀 ?深圳市眼科醫(yī)院通過ROP遠程篩查閱片系統(tǒng)篩查的早產(chǎn)兒1402例2804眼，主要利用標準方位眼底攝像技術，篩查陽性率為6.0%;患兒總發(fā)病率為6.3%;需要激光或抗血管內皮生長因子（vascular endothelial growth factor， VEGF）治療的重癥ROP患兒28例56眼，占2.0%;所有患兒無一例漏診、誤診、貽誤最佳治療時機者。此研究假陰性率為0.3%，靈敏度為94.4%[14]。陳亦棋等[15]的研究顯示，有臨床意義的ROP遠程篩查的靈敏性和特異性均較高，治療性ROP的靈敏性為100.00%，特異性為98.59%。

由此可發(fā)現(xiàn)，我國基于AI的眼病遠程篩查系統(tǒng)主要集中在發(fā)達一線城市，其余城市甚至偏遠地區(qū)的普及還需較長時間。但我國眼底疾病發(fā)病率在部分不發(fā)達地區(qū)極高，致盲率極高，嚴重威脅國人的視力健康，故我國基于AI的眼病遠程篩查系統(tǒng)的全面普及任重道遠。

3 眼病信息的自動診斷系統(tǒng)

大多數(shù)遠程診斷和治療中心使用蔡司散瞳眼底照相機、托普康免散瞳彩色眼底照相機或佳能免散瞳眼底照相機等設備來進行圖像采集。目前的發(fā)展趨勢是，發(fā)展與遠程診療閱片配套的便攜設備。正如互聯(lián)網(wǎng)的發(fā)展使電子商務大行其道一樣，即使足不出戶，來自世界各地的商品也可以送貨回家。同樣，優(yōu)質醫(yī)療資源也可以借網(wǎng)絡、智能手機和移動應用的發(fā)展，跨越地域限制走入千家萬戶。智能手機便是豐富檢查手段、輔助遠程醫(yī)療的極佳工具。2015年，韓國三星公司生產(chǎn)的智能手機眼底攝影系統(tǒng)便攜式驗眼套件收集評估了各收入階層人士的評測數(shù)據(jù)。蘋果的D-EYE系統(tǒng)也可通過光磁連接設備與手機相連。一項對120人的研究表明，散瞳狀態(tài)下的眼底圖像在眼底病篩查中具有較高的靈敏度，并與遠程醫(yī)療設備相匹配。目前，該手機設備除了具有眼底圖像采集功能，還可以集成視力、眼壓、血糖、血壓等通用狀態(tài)監(jiān)測軟件。這些功能可以為遠程診斷和治療提供一個新的角度和更全面的信息。目前，便攜式OCT也在開發(fā)中。該裝置的研制對糖尿病黃斑水腫的監(jiān)測和隨訪具有重要意義[16]。

3.1 ?DR的自動診斷

DR的診斷主要依靠眼底圖像。隨著AI技術的發(fā)展，利用智能算法或者深度學習模型進行閱片已經(jīng)成為新的發(fā)展趨勢。2018年，美國FDA正式批準使用IDX-DR對成人糖尿病患者進行篩查，IDX-DR作為第一個獲得批準的DR篩查AI設備。北京協(xié)和醫(yī)院的眼科AI團隊與中國人民大學AI與媒體計算實驗室合作成立了一個由20多人組成的眼底閱讀小組?；仡櫺缘貙?萬張彩色眼底照片100萬個病灶進行了人工標記和分類，并成功開發(fā)了基于病灶識別的DR AI深度學習模型。測試結果表明，DR轉診的敏感度為86.6%，與谷歌團隊的診斷準確率相當[17]。首都醫(yī)科大學附屬同仁醫(yī)院內分泌科利用數(shù)學形態(tài)學和支持向量機（support vector machine， SVM）分類技術，設計了一種檢測DR包括出血、滲出、微血管瘤等病變的算法。然后根據(jù)DR的臨床診斷標準，對眼底圖像進行自動分類診斷，實現(xiàn)自動篩查。國際梅西多數(shù)據(jù)庫根據(jù)專家鑒定的診斷結果進行篩選和判斷。在1200張眼底圖像中，系統(tǒng)的靈敏度、特異性和檢測時間分別為93.8%、94.5%和9.83 s[18]。湖州師范大學附屬醫(yī)院眼科通過合作單位開發(fā)的深度學習算法智能篩選程序，發(fā)現(xiàn)DR篩選的準確率為0.73，靈敏度為82%，特異性為91%，特異性良好，研究表明智能診斷與人工診斷的一致性佳（kappa=0.77），說明智能診斷與裂隙燈結合前置鏡人工診斷的一致性較好，是一種較為可靠的DR篩查方法[19]。連劍等[20]針對多光譜眼底圖像提出一系列配準、去模糊及分割算法，可對眼底微動脈瘤、視網(wǎng)膜出血及硬滲出物進行自動檢測，并利用自動檢測結果指導眼科醫(yī)生工作，大幅減少醫(yī)生人工標注分割所需時間。Kermany等[21]使用卷積神經(jīng)網(wǎng)絡，對脈絡膜新生血管、DME、玻璃膜疣與正常眼底圖片進行分類，準確率為96.6%，靈敏度和特異度分別達97.8%和97.4%。同時創(chuàng)立了80 000多張已標注的OCT數(shù)據(jù)集，為后續(xù)研究者提供重要數(shù)據(jù)支持。楊柳茂[22]、吳新[23]等的研究，也使用卷積神經(jīng)網(wǎng)絡對OCT圖像中的DR進行分類和檢測取得較好效果。Walton等[24]在美國德州在基層醫(yī)療機構按照標準流程采集15 015名患者的非散瞳、自動對焦數(shù)字眼底照片，在云端通過基于神經(jīng)網(wǎng)絡方法的自動篩查程序進行DR檢測分級，敏感性66.4%，假陰性2%。

3.2 ?ROP的自動診斷

武漢大學人民醫(yī)院眼科中心建立了38 895張圖像構建眼底圖像大規(guī)模數(shù)據(jù)集，利用深度學習網(wǎng)絡，通過對模型的訓練實現(xiàn)了ROP的自動診斷，平均準確率為0.931[25]。Brwon等[26]設計了“i-ROP-DL”模型來對ROP附加病變進行自動診斷，該系統(tǒng)對ROP附加病變的診斷準確率高達91%。Wang等[27]開發(fā)的Deep ROP模型，可完成ROP識別和分級，對ROP的診斷敏感度達84.91%，特異度達96.90%;對ROP的分級可達到敏感度93.33%，特異度73.63%的程度，甚至優(yōu)于人類專家的水平。但也有專家提出，大部分ROP篩查系統(tǒng)只針對眼球后極部視圖，雖然很少出現(xiàn)有嚴重病變發(fā)生而后極部無改變的現(xiàn)象，但擴大篩查區(qū)域增加額外輸出，能夠使算法模型性能進一步提高，超越甚至替代人工閱片[28]。

4 AI與眼底疾病中醫(yī)辨證論治的結合

長期以來，中醫(yī)辨證是中醫(yī)診斷疾病的主要方法，中醫(yī)眼科學強調局部辨證與整體辨證相結合，所以不僅要重視局部體征，更要重視全身表現(xiàn)和舌脈。北京中醫(yī)藥大學東直門醫(yī)院眼科根據(jù)教科書上列舉的各種DR的辨證分型癥狀及眼底表現(xiàn)，配上相對應的眼底圖片，并結合目前眼科領域常用OCT圖像，進行中醫(yī)辨證論治，并用于教學[29]。

朱貴東構建了一個“望目辨證”的數(shù)字化實驗系統(tǒng)并初步驗證其可行性[30]。遼寧科技大學電子信息團隊利用計算機視覺（computer vision），常稱Open CV，利用攝像頭和計算機代替人眼，將人眼分為多個區(qū)域進行數(shù)字化診斷，與中醫(yī)傳統(tǒng)目診相結合，設計每個區(qū)域對應身體不同部位，反映身體內部不同病理改變，解決了臨床的部分診斷難題[31]。Python是目前AI開發(fā)的主流語言，國內已經(jīng)有基于Python對證素辨證心系疾病的診斷方法進行研究的相關報道[32]。寧波市海曙區(qū)中醫(yī)醫(yī)院也基于Python語言對中醫(yī)診療信息管理系統(tǒng)進行了優(yōu)化與升級，大大提高中醫(yī)臨床數(shù)據(jù)的整合質量，促進中醫(yī)辨證診療管理水平的提升[33]。

人工神經(jīng)網(wǎng)絡（artificial neural network， ANN）是一種深度算法模型，它可以模擬人腦各個層次的神經(jīng)結構，處理復雜的數(shù)據(jù)，使AI具有思維能力和關聯(lián)推理能力。其核心是對人類意識和思維的模擬和拓展。ANN為傳統(tǒng)中醫(yī)理論與現(xiàn)代科學技術結合進行中醫(yī)辨證論治提供了有利條件。ANN中通常包括三種類型的處理單元：輸入單元、輸出單元和隱含層單元[34]。輸入單元接收外部世界的信號和數(shù)據(jù);輸出單元實現(xiàn)系統(tǒng)處理結果的輸出;隱藏層單元位于輸入和輸出單元之間，外部系統(tǒng)無法觀察到。深度學習是一種深度神經(jīng)網(wǎng)絡，它一般通過增加隱含層的數(shù)量，結合底層特征發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示，形成更抽象的高層表示屬性類別或特征。利用深度學習算法對眼底圖像進行分類，提取疾病的局部病理特征，并結合患者全身表現(xiàn)，與目前已比較成熟的舌診脈診儀結合使用，建立新的算法模型，實現(xiàn)眼底疾病的中西醫(yī)結合診斷和治療。雖然目前我國這一方面尚屬空白，但隨著科學技術的成熟與發(fā)展，相信AI與中醫(yī)篩查眼部常見病的有機結合指日可待。

5 面臨的問題及原因

5.1 ?數(shù)據(jù)集標準不一致

很多眼底疾病表現(xiàn)較為相似，其診斷主要依靠經(jīng)驗豐富的醫(yī)生，而且不同醫(yī)生診斷會存在一定差異性。針對這種情況，國內外許多研發(fā)團隊收集了大量不同眼病的眼底圖片，邀請資深眼科閱片醫(yī)生進行閱片，對圖片進行分級、分區(qū)，建立了一些常見疾病的診斷數(shù)據(jù)集，但仍然有較多疾病沒有官方認可的數(shù)據(jù)集，各類數(shù)據(jù)集良莠不齊，使目前的診療工作受到了限制。

5.2 ?缺乏中醫(yī)眼科及AI學科交叉人才

目前，中醫(yī)類院校普遍缺乏工科專業(yè)，中醫(yī)藥專業(yè)也未開設中醫(yī)藥與AI結合方向課程，大部分中醫(yī)藥類AI產(chǎn)品研發(fā)依賴于中醫(yī)藥人才與工科人才的合作，此種學術合作較為生硬，缺乏學術思想的碰撞。綜合類院校中工科設計產(chǎn)品由于不具備中醫(yī)藥教育背景，很難達到臨床診療標準，而中醫(yī)藥類學院由于技術水平的限制，無法將抽象的中醫(yī)藥知識融入于AI研發(fā)當中。導致國內優(yōu)秀的研發(fā)團隊和平臺較少，未來應當增進學科之間的交流，培養(yǎng)更多的中醫(yī)眼科與AI交叉學科高學歷、高層次人才。

5.3 ?中醫(yī)四診信息客觀化研究不足

中醫(yī)學起源于遠古時代的巫醫(yī)，自古以來便帶有濃厚的主觀色彩，發(fā)展至今天，中醫(yī)四診仍舊大部分依靠醫(yī)生主觀判斷，這跟AI算法量化、細化的標準存在極大矛盾。而AI目前在中醫(yī)領域的研究主要是模擬人類的中醫(yī)思維進行診療，但中醫(yī)四診客觀化的研究太少，很多辨證分型模棱兩可，無法運用到具體算法當中，這給AI算法與中醫(yī)診療結合帶來了極大的困難，是中醫(yī)繼承與創(chuàng)新道路上必須攻克的一道難關。

6 結語

AI日漸走入中醫(yī)眼科領域，從檢查診斷到治療康復，帶來了一系列變革。本文以部分眼病為例，從篩查與預測的重要性、遠程醫(yī)療現(xiàn)狀、眼底圖像的采集及自動診斷、AI與中醫(yī)辨證論治的結合等方面，介紹了目前AI在眼底疾病方面的新技術、新應用，也闡述了發(fā)展的不足與面臨的挑戰(zhàn)。不可否認AI的出現(xiàn)和普及為醫(yī)學事業(yè)帶來了極大的便利，但目前AI仍不能取代臨床醫(yī)生進行臨床診療，臨床仍需要大量技術過硬的醫(yī)生，而一個好的醫(yī)生也不能單純依靠AI系統(tǒng)來進行診療，還需依靠過硬的專業(yè)素養(yǎng)。希望在不久的將來，AI與臨床醫(yī)生的配合可以為更多可預防的失明和低視力患者提供早期診斷和治療，提高患者的生活質量，早日實現(xiàn)AI與中醫(yī)眼科診療的有機結合。

參考文獻

[1] 張梓堃.人工智能的歷史與發(fā)展[J].數(shù)字通信世界，2018（11）：149-150.

[2] SCANLON P H. The English National Screening Programme for diabetic retinopathy 2003-2016[J]. Acta Diabetologica， 2017， 54（6）： 515-525.

[3] GARGEYA R， LENG T. Automated identification of diabetic retinopathy using deep learning[J]. Ophthalmology， 2017， 124（7）： 962-969.

[4] MISRA A， BACHMANN M O， GREENWOOD R H， et al. Trends in yield and effects of screening intervals during 17-years of a large UK community-based diabetic retinopathy screening programme[J]. Diabetic Medicine， 2009， 26（10）： 1040-1047.

[5] CONLIN P R， FISCH B M， ORCUTT J C， et al. Framework for a national teleretinal imaging program to screen for diabetic retinopathy in Veterans Health Administration patients[J]. The Journal of Rehabilitation Research and Development， 2006， 43（6）： 741.

[6] JOHANSEN M A， FOSSEN K， NORUM J， et al. The potential of digital monochrome images versus colour slides in telescreening for diabetic retinopathy[J]. Journal of Telemedicine and Telecare， 2008， 14（1）： 27-31.

[7] SCHULZE-D BOLD C， ERGINAY A， ROBERT N， et al. Ophdiat： Five-year experience of a telemedical screening programme for diabetic retinopathy in Paris and the surrounding area[J]. Diabetes & Metabolism， 2012， 38（5）： 450-457.

[8] BLENCOWE H， MOXON S， GILBERT C. Update on blindness due to retinopathy of prematurity globally and in India[J]. Indian Pediatrics， 2016， 53（Suppl 2）： S89-S92.

[9] QUINN G E， GROUP E R COOPERATIVE. Telemedicine approaches to evaluating acute-phase retinopathy of prematurity： Study design[J]. Ophthalmic Epidemiology， 2014， 21（4）： 256-267.

[10] QUINN G E， YING G S， DANIEL E， et al. Validity of a telemedicine system for the evaluation of acute-phase retinopathy of prematurity[J]. JAMA Ophthalmology， 2014， 132（10）： 1178-1184.

[11] WEAVER D T， MURDOCK T J. Telemedicine detection of type 1 ROP in a distant neonatal intensive care unit[J]. Journal of AAPOS， 2012， 16（3）： 229-233.

[12] 梁舒婷，才 ?藝，白向麗，等.北京市德勝社區(qū)糖尿病視網(wǎng)膜病變遠程篩查系統(tǒng)的應用[J].中華實驗眼科雜志，2018，36（1）：40-45.

[13] 彭金娟，鄒海東，王偉偉，等.上海市北新涇社區(qū)糖尿病視網(wǎng)膜病變遠程篩查系統(tǒng)的應用研究[J].中華眼科雜志，2010，46（3）：258-262.

[14] 田汝銀，張國明，謝 ?昊，等.標準方位眼底攝像技術在早產(chǎn)兒視網(wǎng)膜病變遠程篩查中的應用[J].眼科新進展，2019，39（6）：568-570.

[15] 陳亦棋，祝晨婷，沈麗君，等.早產(chǎn)兒視網(wǎng)膜病變遠程篩查的有效性評估[J].中華眼底病雜志，2017，33（6）：633-634.

[16] MOHAMMADPOUR M， HEIDARI Z， MIRGHORBANI M， et al. Smartphones， tele-ophthalmology， and VISION 2020[J]. International Journal of Ophthalmology， 2017， 10（12）： 1909-1918.

[17] KIM D B， ROSS E， PHAM K， et al. New handheld， nonmydriatic ERG device to screen for diabeticretinopathy and other eye diseases[J]. Hemoglobin， 2014， 1（7）：1-3.

[18] 陳柯羽，于偉泓，張 ?華.眼科人工智能[J].中國數(shù)字醫(yī)學，2019，14（3）：85-87.

[19] 朱江兵，柯 ?鑫，劉 ?暢，等.基于計算機視覺的糖尿病視網(wǎng)膜病變自動篩查系統(tǒng)[J].首都醫(yī)科大學學報，2015，36（6）：848-852.

[20] 連 ?劍.多光譜眼底圖像處理算法研究[D].濟南：山東師范大學，2019：1-83.

[21] KERMANY D S， GOLDBAUM M， CAI W J， et al. Identifying medical diagnoses and treatable diseases by image-based deep learning[J]. Cell， 2018， 172（5）： 1122-1131.

[22] 楊柳茂.基于OCT圖像的視網(wǎng)膜疾病分類方法研究[D].長沙：湖南大學，2018.

[23] 吳 ?新.基于深度學習的視網(wǎng)膜病變光學相干斷層圖像識別[D].廣州：廣東工業(yè)大學，2018.

[24] WALTON O B， GAROON R B， WENG C Y， et al. Evaluation of automated teleretinal screening program for diabetic retinopathy[J]. JAMA Ophthalmology， 2016， 134（2）： 204-209.

[25] 童 ?妍，盧 ?葦，徐陽濤，等.基于深度學習的早產(chǎn)兒視網(wǎng)膜病變的臨床輔助診斷[J].中華實驗眼科雜志，2019（8）：647-651.

[26] BROWN J M， CAMPBELL J P， BEERS A， et al. Automated diagnosis of plus disease in retinopathy of prematurity using deep convolutional neural networks[J]. JAMA Ophthalmology， 2018， 136（7）： 803-810.

[27] WANG J Y， JU R， CHEN Y Y， et al. Automated retinopathy of prematurity screening using deep neural networks[J]. EBio Medicine， 2018， 35： 361-368.

[28] 黎 ?彪，丁雅珺，邵 ?毅.人工智能在小兒眼科領域的應用研究進展[J].國際眼科雜志，2020，20（8）：1363-1366.

[29] 張 ?南，趙靜如，許家駿，等.糖尿病視網(wǎng)膜病變眼底圖像庫結合中醫(yī)辨證在教學中的應用[J].現(xiàn)代中醫(yī)臨床，2016，23（3）：42-44.

[30] 朱貴冬.中醫(yī)“望目辨證”的數(shù)字化技術研究[D].北京：中國科學院，2006.

[31] 朱曉萌，姜 ?峰，龐嘉楠.數(shù)字圖像處理技術在中醫(yī)眼診方面的應用[J].科技創(chuàng)新導報，2020，17（16）：148-149，151.

[32] 鄧文祥，何德智，陳桂萍，等.運用Python優(yōu)化證素辨證心系疾病診療系統(tǒng)的思考[J].中國中醫(yī)藥現(xiàn)代遠程教育，2019，17（11）：130-133.

[33] 鮑平波.運用Python優(yōu)化中醫(yī)辨證診療系統(tǒng)的思考[J].中醫(yī)藥管理雜志，2020，28（4）：61-62.

[34] 蔣 ?琰，胡 ?濤，楊 ?寧.醫(yī)學中的人工智能應用[J].現(xiàn)代預防醫(yī)學，2009，36（8）：1580-1583.

〔收稿日期〕2020-06-10

〔基金項目〕國家自然科學基金面上項目（61771192）;湖南省自然科學基金面上項目（2021JJ30520）;長沙市自然科學基金項目（kq2014226）;湖南省中醫(yī)藥管理局重點項目（201917）;湖南中醫(yī)藥大學中醫(yī)學一級學科開放性基金項目（2018ZYX60）;湖南省研究生科研創(chuàng)新項目（CX20190588）;湖南省重點實驗室開放基金項目（2018YZD10）;湖南中醫(yī)藥大學研究生創(chuàng)新課題（2019CX70）;湖南省教育廳重點項目（I9A362）。

〔作者簡介〕王 ?萱，女，碩士，研究方向：中醫(yī)眼底病方向。

〔通信作者〕*陳向東，男，教授，主任醫(yī)師，博士研究生導師，E-mail：564259166@qq.com。