北京专治疗白癜风的医院 http://m.39.net/pf/bdfyy/qsnbdf/澳大利亚墨尔本大学眼科流行病学教授、医学博士何明光介绍了他在远程医疗服务中部署人工智能（AI）以提供临床护理的工作。他说："眼科是一个高度图像驱动的专业，这适合于远程医疗和AI平台。"建立AI平台涉及图像的数据采集，并在图像中标注疾病及其严重程度。他使用了大约7万张图像来训练神经元算法，重点是糖尿病视网膜病变（DR）、年龄相关性黄斑变性（AMD）和青光眼。关于DR筛查分类，内部数据验证表明，AI算法的准确性良好，在多个种族群体中的准确性验证也非常好。1该团队在青光眼分类方面重复了这项工作，2并取得了极好的准确率，对AMD的准确率也非常好。3一项关于深度学习技术的热图研究4证明，AI可以根据临床医生使用的类似特征对疾病进行准确分类。然后他们建立了网站，临床医生可以上传诊断出的疾病的临床图像，以观察AI在识别疾病方面的表现。"大多数研究报告了AI分类的强大准确性。很多都需要现实世界的验证，"他解释说。"目前的项目针对4种主要疾病，许多人正试图创建更多的算法，使诊断更准确或包括更多的疾病。另一个感兴趣的领域是制作一个自动护理模型。在现实世界的医学中部署AI是具有挑战性的，涉及的内容比神经网络更多，例如许多医疗法律问题和病人与医生的互动。"
新的护理模式
新加坡国家眼科中心Duke-NUS医学院副教授、医学博士GavinTan创建了一个新的护理模式，整合了DR筛查的3个要素。他说："在眼科，由于我们接受了多模式数字成像，即眼底和裂隙灯成像以及光学相干断层扫描，所有这些都可以远程提供，以促进决策。”Tan和他的团队将远程眼科、AI和标准的眼底照相机结合起来，在DR病人群体中从传统的打印/幻灯片媒体发展到数字媒体。正如他所描述的，DR诊断不需要额外的临床数据，该技术提供了可靠的结果和成本效益，而且眼科医生对改变的阻力较小。此外，由于有大量可用的临床数据，AI培训很容易。新加坡综合DR计划涵盖了15万名糖尿病患者，核心是图像采集点，传输到阅读中心进行分级，并将报告发送给初级保健医生。他解释说，所有收集到的数据都是AI程序的基础，人们看到它根据与临床医生看到的相似的发现做出决定，准确率达到93.6%。5然后AI程序被整合到他们的临床筛选系统中。主要的分级系统正在被AI线性系统（SELENA）取代。对于被转诊的病人，图像仍由人类评估员进行分级，以保持最高的敏感性和特异性，但同时也大大减少了工作量。除了筛查之外，还有双向视频咨询、单向虚拟诊所(医生可以通过该诊所查看病历并在需要时实施未来管理)以及病人使用的家庭监测设备，以减少旅行时间并根据需要进行预约。Tan的小组还建立了一个虚拟诊所，在COVID-19期间监测稳定的视网膜疾病。患者被划分为需要每月治疗的高强度活动性疾病或稳定的疾病，后者占人口的30%至50%。这样就可以进行病史采集、视力（VA）测量和远程成像，然后由技术人员和医生进行审查，以便在需要时进行管理。AI系统在许多情况下可以比医生更好地识别周边病症，如增殖性DR。影像门诊可以与视频咨询相结合，就像Tan在新加坡国家眼科中心的青光眼服务机构所做的那样。展望未来，他和他的同事们正在开始试验病人使用移动应用程序测量自己的VA。他们也已经开始了家庭监测应用，不需要病人到诊所进行评估。一个名为Alleye（OculocareMedicalInc.）的应用程序是一个试验性的家庭监测设备，它可以让患者确定VA是否有症状恶化，有利于早期识别复发疾病。Alleye在大约名患有几种疾病的病人身上进行了测试。在6个月内，有33名患者出现了诱因，其中7名患者病情严重，5名患者病情进展。
"数字技术可以改变眼科护理。远程医疗和AI是高度关联、协同的技术平台。远程眼科在筛选DR方面是成功的。AI在眼科显示出对特定任务的良好表现。现实世界的应用需要进一步发展和整合。移动设备和家庭监测在未来的眼科护理中具有长期的潜力，"他总结说。
印度，远程医疗将为数百万人服务
印度马杜赖的Aravind眼科护理系统（AECS）运营总监、工商管理硕士ThulasirajRavilla介绍了他和他的团队如何利用远程医疗为数百万印度患者提供眼科护理。
他说："眼科护理服务往往以城市为中心，我们面临的挑战是如何弥合鸿沟，让各地的患者都能享受到服务。”
AECS选择了使用远程医疗来提供普遍的初级眼科护理。Ravilla制定了一个四管齐下的方法来实现这一目标：
转载请注明：http://www.shiwangmoa.com/smsl/8487.html
当前位置： 视网膜病变 > 视网膜色素治疗 > 远程医疗开启了眼保健的新篇章
