眼部檢查需要專業的眼科醫生，這在醫療資源匱乏地區是難以實現的。近日研究人員考察了AI眼底照片識別視神經乳頭水腫和其他視盤異常的效果。

研究人員訓練，驗證並外部測試了一個深度學習係統，將視盤分類為正常或有視神經乳頭水腫或其他異常的15846例眼底照片構成數據庫，來自11個國家19個地點的14341張眼部照片被用於培訓和驗證，其他1505張照片被用於外部測試。 通過計ROC特征曲線(AUC)下的麵積、靈敏度和特異性來評估視盤外觀的分類性能，並與神經眼科醫生的臨床診斷參考標準進行比較。

來自6779名患者的培訓和驗證數據集包括14341張照片：9156張正常， 2148張視神經乳頭狀水腫，3037張其他異常。AI對正常人群是分辨準確性為9.8到100%之間;對視神經乳頭狀水腫分辨準確性為0到59.5%之間。該係統將有視神經乳頭狀水腫與正常和非視神經乳頭狀水腫異常進行鑒別的AUC為0.99。在1505張照片的外部測試數據集中，該係統檢測視神經乳頭水腫的AUC為0.96，靈敏度為96.4%，特異性為84.7%。

研究認為，深度學習係統可通過對眼底和擴張瞳孔照片進行識別，區別視神經乳頭水腫、其他異常與正常視盤。