眼科：人工智能领域的先驱 - 眼科杂志社投稿_期刊论文发表|版面费|电话|编辑部- 眼科

一、来稿必须是作者独立取得的原创性学术研究成果，来稿的文字复制比（相似度或重复率）必须低于用稿标准，引用部分文字的要在参考文献中注明；署名和作者单位无误，未曾以任何形式用任何文种在国内外公开发表过；未一稿多投。二、来稿除文中特别加以标注和致谢之外，不侵犯任何版权或损害第三方的任何其他权利。如果20天后未收到本刊的录用通知，可自行处理(双方另有约定的除外)。三、来稿经审阅通过，编辑部会将修改意见反馈给您，您应在收到通知7天内提交修改稿。作者享有引用和复制该文的权利及著作权法的其它权利。四、一般来说，4500字（电脑WORD统计，图表另计）以下的文章，不能说清问题，很难保证学术质量，本刊恕不受理。五、论文格式及要素：标题、作者、工作单位全称(院系处室)、摘要、关键词、正文、注释、参考文献(遵从国家标准：GB\T7714-2005，点击查看参考文献格式示例)、作者简介(100字内)、联系方式(通信地址、邮编、电话、电子信箱)。六、处理流程：（1）通过电子邮件将稿件发到我刊唯一投稿信箱（2）我刊初审周期为2－3个工作日，请在投稿3天后查看您的邮箱，收阅我们的审稿回复或用稿通知；若30天内没有收到我们的回复，稿件可自行处理。（3）按用稿通知上的要求办理相关手续后，稿件将进入出版程序。（4）杂志出刊后，我们会按照您提供的地址免费奉寄样刊。七、凡向文教资料杂志社投稿者均被视为接受如下声明：（1）稿件必须是作者本人独立完成的，属原创作品（包括翻译），杜绝抄袭行为，严禁学术腐败现象，严格学术不端检测，如发现系抄袭作品并由此引起的一切责任均由作者本人承担，本刊不承担任何民事连带责任。（2）本刊发表的所有文章，除另有说明外，只代表作者本人的观点，不代表本刊观点。由此引发的任何纠纷和争议本刊不受任何牵连。（3）本刊拥有自主编辑权，但仅限于不违背作者原意的技术性调整。如必须进行重大改动的，编辑部有义务告知作者，或由作者授权编辑修改，或提出意见由作者自己修改。（4）作品在《文教资料》发表后，作者同意其电子版同时发布在文教资料杂志社官方网上。（5）作者同意将其拥有的对其论文的汇编权、翻译权、印刷版和电子版的复制权、网络传播权、发行权等权利在世界范围内无限期转让给《文教资料》杂志社。本刊在与国内外文献数据库或检索系统进行交流合作时，不再征询作者意见，并且不再支付稿酬。九、特别欢迎用电子文档投稿，或邮寄编辑部,勿邮寄私人，以免延误稿件处理时间。

眼科：人工智能领域的先驱

作者:

关键词:

摘要：

提供视网膜成像测试，用于训练和测试决策支持系统了材料。

眼科是医学人工智能（AI）领域的创新者，对影像有很强的依赖性。

尽管为患者和医疗保健专业人士带来了巨大的机遇，但完全整合 AI 的困难仍然存在，包括经济、道德和数据隐私问题。

深度学习

根据 Moorfields Eye 的视网膜专家和眼科部门的说法英国伦敦医院据该中心和人工智能分析中心主任 Konstantinos Balaskas 博士说，人工智能是一个广义的术语。

他说：“近年来，人工智能吸引了很多人的兴趣。这种人工智能被称为“深度学习”。数据来学习执行某些任务的过程。”

深度学习使眼科成为在医学中实施人工智能的先驱，因为我们可以越来越依赖用于监测患者状况的成像测试。

Balaskas 指出：“特别是在我感兴趣的医学视网膜亚专业中，成像测试如光学相干断层扫描 (OCT) ) 非常频繁，为训练和测试以及人工智能决策支持系统的应用提供了材料。”

就视网膜而言，一些最常见的原因西方世界与年龄相关性黄斑变性 (AMD) 和糖尿病视网膜病变 (DR) 的视力丧失 - 需要早期发现、早期治疗和定期监测以保护视力。

< p>Balaskas 表示，这是一个人工智能决策支持系统，可以帮助改善获得治疗的机会并确保患者得到治疗e 最佳临床结果。

Balaskas 引用了他所在的地方 Moorfields眼科医院和谷歌DeepMind联合开发的人工智能决策支持系统。

他说：“它可以读取 OCT 扫描、解释结果、提供诊断和提出管理建议。” “人工智能显示出前景的另一个领域是，通过预测一段时间内对治疗的反应和视觉效果的能力，为患者制定个性化的治疗计划。”

支持工具

Balaskas 说：“当考虑到威胁视力的常见眼病如 AMD 和 DR 时，一旦人工智能决策支持工具经过监管部门的验证和批准，医疗设备可以帮助改善获得治疗的机会。”

“例如，它们可以帮助社区的卫生工作者早期诊断疾病，“他解释说。在英国，OCT 扫描广泛应用于商业街的眼镜店，人工智能工具特别有用，可以帮助他们正确解释扫描结果并早期识别疾病。”

同样，在 DR 患者中，需要定期筛查和监测。人工智能工具可以显着提高筛选程序的效率。

Balaskas 指出，这样的应用已经存在，特别是对于 DR 筛查项目，比如在资源不足的医疗机构。

" 其他指标AMD 等人工智能监控应用程序处于高级开发阶段，但尚未在现实??生活中实施，”他补充道。

Balaskas 指出

他指出，他个人对应用科学很感兴趣，特别是专注于医疗设备（如作为 AI 决策支持工具）并在临床实践中部署医疗设备。

“我们需要克服的潜在障碍是以有意义的方式使用该工具以改善患者诊断和治疗的有效性，不仅需要测试和验证，”他说，其中包括经济评估：H这样的自动化决策支持模型是否会影响医疗系统的财务状况，从而提供良好的性价比或实现成本节约？”

？

人力因素

接下来要考虑的因素是人为因素，尤其是这些依赖人工智能的医学模型如何被患者和医务人员感知和接受。

您对这些技术有多少信任？患者和公众需要什么水平的信息和教育才能建立对其使用的信心？此外，还需要考虑支持这些工具的培训和技术基础设施。

Balaskas 指出，道德和数据隐私问题以及法律考虑也很重要。谁对人工智能算法而不是人类做出的决策负责？这些工具如何影响医疗保健专业人员诊断和治疗疾病的方式？

“有一种现象叫做自动化偏见。医务人员有时更倾向于遵循人工智能工具的建议——甚至可能违背他们更好的判断，”他说过。

可解释性

Balaskas 指出了可解释性的问题-在很多情况下，这些AI工具的功能并不透明。

他指出：“我们并不完全了解具体的建议是如何达成的，无论是诊断建议还是管理建议。缺乏透明度将加剧上述医疗、法律和伦理问题。”简而言之，我们发现在人工智能工具可以安全地应用于现实生活并改善临床诊断和治疗之前，需要克服几个障碍。 ”

？

此外，Balaskas 表示，未来眼科医生的生活可能会发生变化，但他对医疗实践中的 AI 持乐观态度。

< p >?

“我们的领域正变得越来越复杂。在评估患者时，我们需要处理来自各种来源的数据：来自多种成像方法的数据、遗传数据和各种类型的组学数据，例如蛋白质组学和新兴的眼科领域，其中眼科检查的特征可以表明一般的健康问题，”

文章来源：《眼科》网址: http://www.ykzzs.cn/zonghexinwen/2021/0901/966.html