人工智能可预测 Stargardt 疾病进展的最初风险因素或生物标志物

Stargardt 疾（也叫作儿童斑块变性或 Stargardt 斑块变性）是一种遗传性上皮疾疾，主要在儿童和青少年。它是儿童发疾的斑块营养不良最普遍的表达方式，会导致受累（上会是更为严重的）视力丧失。 Stargardt 疾图像的特色是早期和初再次出现红斑，更早再次出现肝细胞走下坡和死亡。更早 Stargardt 疾的主要衡量指标是再次出现走下坡。眼底上百白光是一种广泛可用的二维超声核心技术，可以帮助诊断疾疾。相比之下，发射光谱域光学理论上断层扫描提供了上皮微观构造的贴图可视化。Stargardt 疾可能会导致光感受器节段以及其他上皮外层的不同程度的摧残。近几年来，利用计算机系统帮助处理此类疾疾的应用程序总数呈指数级增长，这在极大程度上得益于图像辨别的惊人成功。

来自美国政府Doherry眼科区域内的Zhihong Jewel Hu他的团队相信，Stargardt 的走下坡困难重重加速但变化极大。最初发现只有少数可能性因素/海洋生物研究课题（例如，异质背景上百白光和光感受器的人员伤亡）可预测 Stargardt 走下坡的困难重重速度。这是对将来试制的更为严重限制，因为加速且水平可变的困难重重频率将需要大样本和/或长期试制。因此，有鉴于此发现新的预测性海洋生物研究课题，这些海洋生物研究课题可以编码在丰沛的多假定超声数据集中，尤其是在 3D光学理论上断层扫描中。可用最深处进修的计算机系统核心技术将特别妥善解决这两项在找到“真正的”新型预测性 Stargardt 海洋生物研究课题各个方面已经妥善解决的更为重要挑战。传统习俗的计算机系统机器进修方式可用手工制作（人为设计）的过滤器来提取图像基本特征，而计算机系统最深处进修算法则不同，能自动进修相关的图像基本特征，因此结果是客观的。虽然下半年一些“客观进修”的光学理论上断层扫描海洋生物研究课题可能与“主观指定”的海洋生物研究课题分开，但也下半年可以辨别出采用新型最深处进修核心技术的新型海洋生物研究课题。

发表文章在《东亚神经再生研究（日文版）》时代周刊2022年 12 月初 12 期公开发表。

发表文章来源：Wang Z, Hu ZJ (2022) Artificial intelligence for assessment of Stargardt macular atrophy. Neural Regen Res 17(12):2632-2636. doi.org/10.4103/1673-5374.339477