青光眼是世界范圍內(nèi)不可逆性失明的主要原因之一，其特征是結(jié)構(gòu)損傷和功能喪失。青光眼患者往往擁有慢性病程，需要進行長期隨訪。預(yù)后預(yù)測能夠幫助醫(yī)師更好地制定診療方案。然而，現(xiàn)有的公共青光眼數(shù)據(jù)集幾乎都是橫斷面的，主要聚焦于眼底照中的視盤分割及青光眼診斷。而隨著人工智能（AI）的發(fā)展，深度學(xué)習(xí)模型已經(jīng)可以在縱向數(shù)據(jù)集的支持下對青光眼的未來視野及其進展進行準(zhǔn)確預(yù)測。縱向多模態(tài)數(shù)據(jù)的提供對青光眼AI的發(fā)展至關(guān)重要。
2023年8月5日，浙江大學(xué)葉娟及金凱團隊（黃笑羚為本文的第一作者）在Scientific Data在線發(fā)表題為“GRAPE: A multi-modal dataset of longitudinal follow-up visual field and fundus images for glaucoma management”的研究性論文。
該團隊構(gòu)建了一個公開的縱向青光眼真實世界進展評估數(shù)據(jù)集（GRAPE）。GRAPE數(shù)據(jù)集包含263只眼睛的1115個隨訪記錄，包括視野、眼底圖像、眼壓、OCT測量值和其他相關(guān)的臨床信息，對眼底圖像進行了視盤視杯分割，并以不同的進展定義方式對視野是否進展進行了標(biāo)注。為了驗證數(shù)據(jù)庫的可行性，該團隊構(gòu)建了兩個基線模型，利用眼底照進行視野及其進展的預(yù)測。該數(shù)據(jù)集將推動人工智能在青光眼管理方面的研究。由于治療困難，青光眼患者通常伴有慢性進行性病程。在長期隨訪中，標(biāo)準(zhǔn)自動視野計進行的視野檢查和眼壓監(jiān)測對青光眼患者的視覺功能評估具有重要意義。而彩色眼底照片和光學(xué)相干斷層掃描（OCT）也經(jīng)常被用來檢測青光眼患者的眼底結(jié)構(gòu)損傷。
隨著AI的發(fā)展，更多的研究開始關(guān)注青光眼的預(yù)后，并使用一些眼底生物特征參數(shù)或醫(yī)學(xué)圖像來預(yù)測青光眼的發(fā)生和發(fā)展。同時，由于視野測試具有相當(dāng)大的重測變異性以及需要患者較高的配合度，先前的研究還提出了各種機器學(xué)習(xí)和深度學(xué)習(xí)模型，根據(jù)結(jié)構(gòu)參數(shù)或醫(yī)學(xué)圖像來預(yù)測視野。這些有關(guān)于青光眼評估的AI模型的開發(fā)均需要患者完整的隨訪檢查數(shù)據(jù)。然而現(xiàn)有的大多數(shù)包含眼底照或OCT圖像的橫斷面數(shù)據(jù)集都集中在青光眼診斷上，無法評估隨訪期間產(chǎn)生的縱向變化。該研究提出了一個青光眼真實世界進展評估數(shù)據(jù)集（GRAPE），包括基線和隨訪期間的視野值、眼壓、OCT測量值、眼底圖像和其他相關(guān)臨床數(shù)據(jù)。該數(shù)據(jù)集記錄了青光眼患者的完整隨訪過程，可用于青光眼的進展預(yù)測與隨訪治療。該數(shù)據(jù)集將極大程度地促進基于AI的青光眼預(yù)后預(yù)測研究。
浙江大學(xué)醫(yī)學(xué)院附屬第二醫(yī)院眼科中心 浙江大學(xué)眼科醫(yī)院