人工智能在甲狀腺相關(guān)性眼病中的應(yīng)用指南(2023)△

《人工智能在甲狀腺相關(guān)性眼病中的應(yīng)用指南(2023)》專家組 中國醫(yī)藥教育協(xié)會眼科影像與智能醫(yī)療分會 中國醫(yī)師協(xié)會眼科分會眼腫瘤專委會 國際轉(zhuǎn)化醫(yī)學(xué)會眼科專業(yè)委員會 中國眼科影像研究專家組

甲狀腺相關(guān)眼病(TAO)是一種復(fù)雜的自身免疫性疾病,是成年人最常見的眼眶疾病,其發(fā)病率較高,每年每十萬人中約有2.9名男性和16.0名女性受到影響[1-2]。TAO的臨床表現(xiàn)包括眼瞼腫脹、眼瞼退縮、眼球突出、眶周疼痛、斜視,嚴重者可伴有暴露性角膜病變和視神經(jīng)病變[3]。此外,TAO的病程被描述為Rundle曲線,由半年至一年半的活動期和隨后的慢性穩(wěn)定期組成[4]。TAO的這一特征可以根據(jù)歐洲格雷夫斯眼眶病小組(EUGOGO)制定的臨床指南進行臨床活動評分和嚴重程度分級[5]?；颊卟∏榈淖兓筎AO的診斷、評估和管理面臨挑戰(zhàn)。與大多數(shù)眼部疾病不同,TAO臨床表現(xiàn)多樣,并且其診斷和分級在很大程度上取決于眼科醫(yī)生的專業(yè)和經(jīng)驗,這意味著此類患者往往面臨醫(yī)療資源不足的問題。而人工智能(AI)的應(yīng)用為TAO的臨床診療提供了極大幫助。

機器學(xué)習(xí)(ML)是計算機科學(xué)的一個子領(lǐng)域,賦予了AI從數(shù)據(jù)中獨立辨別模式的能力。包含幾個輸入和相關(guān)輸出的訓(xùn)練集對于ML方法分析底層模式至關(guān)重要,這有助于從新輸入中獲得正確的輸出[6]。此外,近幾十年來,深度學(xué)習(xí)(DL)極大地推動了AI的復(fù)興。DL通常建立一個具有多層的人工神經(jīng)網(wǎng)絡(luò)(ANN)來分析龐大的數(shù)據(jù)集,例如大量的醫(yī)學(xué)數(shù)據(jù)集。集成AI-ML-DL算法與先進的醫(yī)學(xué)成像和數(shù)據(jù)傳輸系統(tǒng)相結(jié)合,在眼科保健等醫(yī)療領(lǐng)域中的應(yīng)用迅速增加[7]。在眼科領(lǐng)域,許多AI應(yīng)用基于廣泛使用的眼底圖像的貢獻,在診斷和預(yù)測視網(wǎng)膜疾病方面取得了令人滿意的表現(xiàn)[8-9]。TAO的診斷和分級需要收集全面的臨床資料,包括主要主訴和癥狀的總結(jié)、眼部體征的檢查、甲狀腺功能和免疫學(xué)的檢測以及眼眶圖像的評估[10]。使用智能手機可以輕松獲取面部圖像,自動化AI算法可以幫助識別有意義的體征并提供診斷建議。眼眶CT和MRI掃描是TAO患者常用的檢查方法,其圖像可以預(yù)處理成可用數(shù)據(jù)進行AI分析,從而避免觀察者之間可變的主觀解釋。對糖皮質(zhì)激素(GC)治療的反應(yīng)和甲狀腺相關(guān)性視神經(jīng)病變(DON)的發(fā)生也可以通過使用數(shù)字標準的AI輔助圖像處理來預(yù)測。因此,我們對AI在TAO臨床診斷、活動性評分和嚴重程度分級以及治療結(jié)果預(yù)測方面進行了總結(jié),分析當(dāng)前應(yīng)用情況,形成本指南。

1 AI在檢測TAO癥狀和體征中的應(yīng)用

TAO的發(fā)生通常從活動期開始,在這個階段,患者出現(xiàn)眼痛,結(jié)膜和眼瞼充血、腫脹,進行性眼球突出,嚴重者會出現(xiàn)視力喪失[11]。早期干預(yù),如GC沖擊治療,可使活動病程盡早終止并進入穩(wěn)定期[12],可見TAO的早期準確診斷有利于疾病管理和患者的轉(zhuǎn)歸。此外,TAO的一些癥狀和體征是隱匿的,容易在檢查過程中被遺漏。因此,AI算法輔助的自動化診斷系統(tǒng)可以顯著提高TAO診斷的臨床效率。Grus等[13]首先在TAO患者中測試了ANN,該ANN是一種概率神經(jīng)網(wǎng)絡(luò),包含輸入層、模式層、求和層和輸出層,經(jīng)過訓(xùn)練后可以識別可能的樣本類別,從而具有診斷價值,他們從有或沒有TAO的患者(n= 16：11)中收集血清樣本,進行蛋白質(zhì)印跡分析,并收集密度數(shù)據(jù),結(jié)果發(fā)現(xiàn),ANN對96.3%的測試樣本進行了正確分類,超過了準確率為85.0%的多元統(tǒng)計技術(shù)。這一初步研究揭示了AI在TAO診斷中的潛力。Salvi等[14-15]在兩項類似研究中關(guān)注了TAO患者的臨床癥狀和?？茩z查,樣本根據(jù)疾病進展分為兩組;兩項研究中應(yīng)用的ANN是一個反向傳播模型,用于TAO的分類和進展預(yù)測,該模型由13個來自眼科檢查的輸入變量構(gòu)建,分類和進展預(yù)測準確率分別為78.3%～86.2%和67.0%～69.2%,但這些DL方法仍然需要眼科醫(yī)生手動測量參數(shù)。經(jīng)過不斷的技術(shù)更新,先進的人臉識別和自動化圖像處理系統(tǒng)增加了AI在TAO中應(yīng)用的可能性。Huang等[16]使用基于面部圖像的多個特定于任務(wù)的模型發(fā)明了TAO的智能診斷系統(tǒng),使用模塊I分析并裁剪選取面部圖像中包含眼的部分,隨后使用模塊II和III檢測眼部運動障礙和TAO的特殊體征。這項研究從1 560名患者中收集了21 840張圖像,其中20%被用作測試集,結(jié)果顯示,使用模塊I和II進行的眼睛定位以及角膜和鞏膜分割的準確性分別為0.98、0.93和0.87;眼瞼退縮的受試者工作特征曲線的曲線下面積(AUC)、靈敏度和檢測體征特異度分別為0.93、87%和88%,眼瞼水腫分別為0.90、79%和86%,眼瞼充血分別為0.94、89%和90%,結(jié)膜充血分別為0.91、83%和85%,眼部運動障礙分別為0.91、85%和79%;此外,DL殘余神經(jīng)網(wǎng)絡(luò)(ResNet)-50、ResNet-101和InceptionV3的AUC分別為0.91、0.92和0.89。與以前的型號相比,該自動診斷系統(tǒng)僅通過面部圖像即可高度準確地檢測TAO體征。Karlin等[17]開發(fā)了另一個基于DL模型的AI平臺,以使用眼部照片識別TAO。該研究中訓(xùn)練集包含1 944張面部圖像,測試集包含344張照片,與測試結(jié)果一致,該平臺的準確率、特異度、精密度、召回率和F1得分分別達到89.2%、86.9%、79.7%、93.4% 和86.0%。TAO的特定體征沒有分離,而是集成到組件模型中,從而生成熱圖以呈現(xiàn)面部圖像中的病理區(qū)域。與眼科醫(yī)生相比,該DL模型具有更高的TAO診斷準確率(86%vs.78%)和召回率(89%vs.58%),而特異度較低(84%vs.90%)。在臨床實踐中,醫(yī)生通常會在患者第一次就診時花費大量時間確認TAO診斷,即使是在眼眶疾病方面經(jīng)驗豐富的專家,TAO診斷也只能通過對患者的主訴、眼部體征、甲狀腺功能障礙病史和影像學(xué)檢查結(jié)果等的綜合評估來確認[18]。上述研究表明,使用眼部照片的DL分類器可以替代專家為TAO患者提供初步診斷,甚至準確評估疾病活動性和分級嚴重程度。

2 AI在TAO眼眶成像中的應(yīng)用

自1980年代以來,眼眶成像為TAO的臨床評估提供了重要診斷價值[19]。計算機斷層掃描(CT)和磁共振成像(MRI)具有同樣的重要性,因為它們具有自己的優(yōu)點。CT可以清楚地顯示眼外肌(EOM)增大的程度和眶尖視神經(jīng)的狀況?？舯诤涂糁芙Y(jié)構(gòu)(如相鄰鼻竇)的描繪解剖結(jié)構(gòu)對于減壓手術(shù)設(shè)計至關(guān)重要[20]。MRI的優(yōu)勢依賴于其在肌肉和眼眶脂肪之間獲得更好分辨率的能力,可以在沒有輻射的情況下識別TAO[21]。這些特點推動了CT和MRI在TAO中的廣泛使用,豐富的圖像數(shù)據(jù)為AI算法提供了重要基礎(chǔ)。Lin等[22]將DL算法構(gòu)建到網(wǎng)絡(luò)A和B中,這兩個網(wǎng)絡(luò)繼承了視覺幾何組(VGG)網(wǎng)絡(luò)和ResNet,通過招募160張MRI圖像,網(wǎng)絡(luò)A鑒別TAO患者活動與不活動狀態(tài)的準確性、特異度和靈敏度分別為0.863±0.055、0.896±0.042 和0.750±0.136;優(yōu)化后,網(wǎng)絡(luò)B的靈敏度提高(0.821±0.021),兩種網(wǎng)絡(luò)的AUC均為0.922。在另一項研究中,1 435個CT掃描結(jié)果被用于TAO篩選3D-ResNet模型的訓(xùn)練、驗證和測試[23],結(jié)果表明,該AI模型的AUC為0.919,準確率為0.868,靈敏度為0.878,特異度為0.865,此外,在診斷試驗中,該篩選算法的性能也令人滿意。Hanai等[24]構(gòu)建了基于ResNet-50和VGG-16深層神經(jīng)網(wǎng)絡(luò)的診斷系統(tǒng)以分析TAO患者的EOM增粗情況,該研究共招募了371名參與者進行冠狀掃描,其中約60%用于訓(xùn)練,20%用于驗證,其余20%用于測試數(shù)據(jù)。結(jié)果表明,該模型檢測EOM增粗的AUC、靈敏度和特異度分別為0.946、92.5%和88.6%,表明在TAO患者中使用AI檢測EOM厚度具有較高的準確性和速度。Lee等[25]開發(fā)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的模型,通過分析CT圖像的軸位、冠狀位和矢狀位來評估TAO的嚴重程度。該研究收集288張CT圖像,包括輕度TAO、中重度TAO和正常對照,結(jié)果顯示,該模型對中重度TAO診斷的AUC為0.979±0.020,對輕度TAO診斷的AUC為0.895±0.052,3組共同的AUC為0.905±0.029;該模型的診斷性能優(yōu)于VGG-16、GoogleNet和ResNet-50,甚至優(yōu)于三位眼科整形專家。DON嚴重影響TAO患者的視功能[26]。視神經(jīng)受到眶尖病理性增厚組織的壓迫,導(dǎo)致視物模糊、色覺下降、視野缺損等癥狀[27],早期發(fā)現(xiàn)和干預(yù)可改善預(yù)后。Wu等[28]提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的混合模型,用于使用CT掃描圖像預(yù)測DON,該模型使用特定的模塊對圖像進行預(yù)處理,提取DON病理學(xué)上有意義的特征,樣本分為健康對照87例和TAO患者91例,其中DON患者42例,經(jīng)過訓(xùn)練和測試,該模型預(yù)測DON的準確率為96.0%,特異度為99.5%,靈敏度為94.0%,F1評分為 96.4%,可見DL模型在預(yù)測TAO患者DON方面具有顯著優(yōu)勢。TAO的診斷、活動度和嚴重程度分級以及DON預(yù)測均具有重要的臨床意義,AI算法,尤其是DL模型,可以為未來優(yōu)化這一復(fù)雜過程提供重要的幫助。

3 AI在TAO治療中的應(yīng)用

3.1 激素沖擊療法

根據(jù)2021年EUGOGO指南[5],靜脈注射GC聯(lián)合麥考酚酸鈉被推薦為中度至重度活動性TAO的一線治療方案。激素沖擊治療在TAO治療中已經(jīng)使用了幾十年,許多研究已經(jīng)證明其有效性。盡管如此,臨床試驗中仍有20%～30%的患者對GC治療無反應(yīng),甚至出現(xiàn)了難以忍受的不良反應(yīng)[29]。因此,在GC治療前需要一種實用的反預(yù)測方法。具有脂肪抑制的冠狀面T2加權(quán)MRI圖像可以清晰地顯示EOM的橫切面形態(tài)和放射組學(xué)特征。Hu等[30]開發(fā)了三個基于ML的模型來分析TAO患者的放射組學(xué)數(shù)據(jù),這項回顧性研究共選擇了110個樣本,將GC反應(yīng)(n=62)和無反應(yīng)(n=48)的病例平均分為訓(xùn)練集和驗證集,兩位經(jīng)驗豐富的醫(yī)生還建立了半定量成像模型,人工測量EOM的絕對信號強度,并將其歸一化為同側(cè)顳肌信號相對比值,三種基于ML的模型在GC反應(yīng)和GC無反應(yīng)組中的AUC分別為0.968和0.916、0.933 和0.857、0.919和0.855,均優(yōu)于半定量法(0.805);此外,將TAO病程納入AI算法,可提高AI算法在驗證中的診斷能力(AUC:0.952vs.0.916),說明AI模型在預(yù)測TAO患者對GC的反應(yīng)方面具有優(yōu)勢。除了使用MRI外,Wang等[31]還提出了一種前瞻性和觀察性方案,用于開發(fā)新的預(yù)測模型,根據(jù)事件變量法和以前的模型,共有278例未治療的中重度和活動性TAO患者被招募到該試驗中,在這些志愿者進行標準的12周GC沖擊治療之前收集臨床數(shù)據(jù)和AI相關(guān)參數(shù);治療后,根據(jù)治療結(jié)果將患者分為GC反應(yīng)組和無反應(yīng)組;面部形態(tài)學(xué)變化和傳統(tǒng)臨床數(shù)據(jù)將用于開發(fā)新的AI模型,該模型可以識別GC反應(yīng)預(yù)測的最佳變量,研究結(jié)果可以指導(dǎo)TAO的個體化GC治療。

3.2 眼眶放療

眼眶放療聯(lián)合GC被推薦為二線治療[32]。在TAO的幾項隨機對照試驗中局部照射的治療效果得到證實,且與GC有相互促進作用[33-34]。傳統(tǒng)放療采用20 Gy的低劑量,分配在2周的時間內(nèi)完成[35]。雖然眼眶放療的不良事件相對較少[36],但仍需要精確劃定照射靶點,以避免可能對危險器官造成損害。Jiang等[37]開發(fā)了基于全卷積網(wǎng)絡(luò)(FCN)的DL模型,實現(xiàn)了TAO患者臨床靶體積(CTV)的自動分割,該研究收集了121例接受放療的TAO患者的CT圖像進行訓(xùn)練和測試,結(jié)果設(shè)置為Dice相似系數(shù)和Hausdorff距離(HD),由于每人有兩個眼眶,Jiang等[37]建議將兩部分CTV作為一個目標來處理,結(jié)果表明,該方法的HD比單獨處理的方法更高[(9.03±2.78)vs.(8.23±2.80)];劑量學(xué)比較結(jié)果表明,基于FCN模型的兩種算法的分割效果都優(yōu)于人工分割。在另一項研究中,Jiang等[38]提出了一種利用相鄰解剖結(jié)構(gòu)進行目標定位的堆疊式神經(jīng)網(wǎng)絡(luò),以提高CTV的準確性,與FCN模型相比,該堆疊式神經(jīng)網(wǎng)絡(luò)使雙側(cè)Dice相似系數(shù)分別提高了1.7%和3.4%,但使HD降低了0.6。除了照射前規(guī)劃的輪廓外,在實際操作過程中,人工或機械操作不當(dāng)可能導(dǎo)致位置錯誤[39],臨床常使用電子門靜脈成像裝置(EPID)劑量法進行實時監(jiān)測。Zhang等[40]對EPID測量和AI算法進行整合,首先,將40例TAO患者的照射計劃復(fù)制到實體頭部,并將位置誤差結(jié)合不同方向的不同平移誤差添加到方案中,使用三種ML模型提取并分析EPID測量的放射組學(xué),結(jié)果發(fā)現(xiàn),位置誤差檢測的AUC均在0.90以上,方向識別的AUC相對較低,分別為0.76、0.80和0.91。此外,Liu等[41]開發(fā)了一種基于結(jié)構(gòu)相似性差異和位置誤差的深度神經(jīng)網(wǎng)絡(luò)算法,可以從EPID圖像中提供更多的特征和信息,共登記了2 240張EPID影像圖譜,并對深度神經(jīng)網(wǎng)絡(luò)模型進行了訓(xùn)練和測試,該模型的預(yù)測精度(0.722)優(yōu)于其他ML模型的研究結(jié)果。在眼眶放療期間,危險器官包含晶狀體、視神經(jīng)、視網(wǎng)膜和淚腺?；贏I的算法可以優(yōu)化限制照射的程序并降低潛在風(fēng)險,這將有利于TAO的治療。其他需要放療的眼眶疾病,如黏膜相關(guān)淋巴組織淋巴瘤和視神經(jīng)鞘腦膜瘤,也可能受益于AI應(yīng)用。

3.3 眼眶減壓手術(shù)

引入眼眶減壓手術(shù)是為了通過去除部分眶骨壁和脂肪來解決過多的眼眶內(nèi)容物和骨性眶腔容積的相對不足[42]。該手術(shù)僅適用于無法控制的暴露性角膜病變或GC無反應(yīng)的DON[5]。眼眶減壓手術(shù)一般在TAO管理的后期,即當(dāng)患者進入穩(wěn)定期并出現(xiàn)外觀受損時施行[43]。Yoo等[44]引入了一種生成對抗網(wǎng)絡(luò)(GAN)模型來預(yù)測減壓手術(shù)后患者的外觀,GAN可以通過生成器模塊自動合成醫(yī)學(xué)圖像,該模塊學(xué)習(xí)將樣本從隨機分布映射到特定分布,這種轉(zhuǎn)化是基于術(shù)前面部圖像進行的,109對匹配圖像被增強用于所提出的GAN模型訓(xùn)練,這些AI合成的圖像在評估后與實際的術(shù)后面部圖像相比是相似的,但圖像質(zhì)量不令人滿意。AI算法的完善有助于TAO患者行眼眶減壓手術(shù)術(shù)后效果的預(yù)測。

4 AI在TAO隱私保護中的應(yīng)用

在TAO的臨床診斷和管理中,患者的外貌變化對于實時評估疾病分期至關(guān)重要,因此,面部圖像的存儲很重要,這也可以用于AI訓(xùn)練[16-17]。在絕大多數(shù)的數(shù)據(jù)收集和文獻報道中,患者的面部隱私通常是通過將圖像裁剪到特定區(qū)域來實現(xiàn)保護的。眼部圖像的截取通常從眶上緣到眶下緣。然而,這種模式無法避免高級面部識別,同時也會丟失一些有意義的臨床信息[45]。Yang等[46]介紹了一種名為“數(shù)字面具(DM)”的新技術(shù),該技術(shù)基于三維重建和DL算法,可以不可逆地抹去可識別的特征,同時保留診斷所需的疾病相關(guān)特征;該作者進行了一項前瞻性臨床研究以評估該眼部疾病診斷技術(shù),發(fā)現(xiàn)使用原始和重建面部視頻的診斷一致性非常高(斜視、上瞼下垂和眼球震顫的κ值均≥ 0.845,TAO的κ值為0.801),并且觀察到較高的診斷準確性(所有眼部疾病的P值均≥0.131)。與圖像裁剪相比,DM可以更有效地從面部圖像中去除身份屬性,進一步證實了DM使用AI驅(qū)動的再識別算法逃避識別系統(tǒng)的能力。此外,DM的使用增加了眼部疾病患者在醫(yī)療過程中提供面部圖像作為健康信息的意愿。這些結(jié)果表明,在快速采用數(shù)字健康技術(shù)的時代,DM算法在保護患者面部圖像隱私方面具有潛力。

5 展望:從TAO到多系統(tǒng)綜合征

對于TAO患者的眼外部體征的檢查,使用智能手機可以輕松獲取面部圖像,自動化AI算法可以幫助識別有意義的體征并提供診斷建議。CT和MRI掃描被廣泛使用,可以將常規(guī)圖像轉(zhuǎn)換為精確的數(shù)據(jù)進行AI分析。這些相對簡單、安全、有效和可接受的常規(guī)檢查,可以很容易地積累出相當(dāng)大的TAO眼部體征圖像數(shù)據(jù)集。這將是一種基于AI技術(shù)驅(qū)動的相關(guān)內(nèi)分泌疾病甚至其他全身性疾病數(shù)據(jù)的獲取途徑。

TAO是一種復(fù)雜的自身免疫性疾病,主要發(fā)生在彌漫性毒性甲狀腺腫(Graves病)的患者中[47]。長期甲狀腺功能亢進還會導(dǎo)致甲狀腺毒性肌病,表現(xiàn)為肌無力、肌萎縮等[48]。Graves病還可引起心血管系統(tǒng)的多種改變,如心律失常(竇性心動過速、房顫等)、高血壓、心力衰竭等[49]。這些改變與甲狀腺功能亢進的程度有關(guān)。Graves病還可能增加動脈粥樣硬化和心血管事件的風(fēng)險,增加患者的死亡率[50]。此外,在免疫系統(tǒng)方面,Graves病表現(xiàn)為免疫調(diào)節(jié)失衡和免疫反應(yīng)異常[51]。Graves病患者的免疫細胞和細胞因子的數(shù)量和功能都發(fā)生改變,導(dǎo)致對自身組織的攻擊和損傷[52-53]。Graves病患者還可能與其他自身免疫性非內(nèi)分泌系統(tǒng)性疾患相關(guān),如類風(fēng)濕關(guān)節(jié)炎、系統(tǒng)性紅斑狼瘡等[54-55]。

因此,使用基于AI的TAO眼部體征圖像深度神經(jīng)學(xué)習(xí)開發(fā)特定的自動分析軟件,根據(jù)眼球突出、眼瞼退縮、眼瞼水腫、結(jié)膜充血等體征,以及得出的初步診斷,準確分級和確定嚴重程度,對Graves病相關(guān)的多系統(tǒng)的疾病進行預(yù)測和早期篩查,這或許是今后AI在該領(lǐng)域發(fā)展的重要方向之一,并且有望引領(lǐng)且成為AI在眼科研究中的一個新的焦點。

6 結(jié)束語

新興的AI算法可能會提高TAO診斷的準確性,并降低患者獲得醫(yī)療資源的經(jīng)濟成本。這種自動化技術(shù)可以提升TAO管理并優(yōu)化治療策略和手術(shù)設(shè)計。隨著TAO數(shù)據(jù)的不斷積累和計算能力的提高,AI算法將很快在TAO臨床實踐中變得至關(guān)重要。

形成指南專家組成員:

執(zhí)筆專家：

邵 毅 復(fù)旦大學(xué)附屬眼耳鼻喉科醫(yī)院

馬建民 首都醫(yī)科大學(xué)附屬北京同仁醫(yī)院

譚 佳 中南大學(xué)湘雅醫(yī)院

裴重剛 南昌大學(xué)第一附屬醫(yī)院

黃曉明 四川眼科醫(yī)院

譚 鋼 南華大學(xué)附屬第一醫(yī)院

陶文思 美國Bascom Palmer眼科醫(yī)院

黃錦海 復(fù)旦大學(xué)附屬眼耳鼻喉科醫(yī)院

楊新吉 中國人民解放軍總醫(yī)院

劉小偉 北京協(xié)和醫(yī)院

李光宇 吉林大學(xué)第二醫(yī)院

吳 桐 四川眼科醫(yī)院

許言午 華南理工大學(xué)

楊衛(wèi)華 深圳市眼科醫(yī)院 深圳市眼病防治研究所

李世迎 廈門大學(xué)附屬翔安醫(yī)院

遲 瑋 中山大學(xué)中山眼科中心

胡 亮 溫州醫(yī)科大學(xué)附屬眼視光醫(yī)院

接 英 首都醫(yī)科大學(xué)附屬北京同仁醫(yī)院

黃曉丹 浙江大學(xué)醫(yī)學(xué)院附屬第二醫(yī)院

李凱軍 廣西醫(yī)科大學(xué)第一附屬醫(yī)院

馬 健 浙江大學(xué)醫(yī)學(xué)院附屬第二醫(yī)院

王佰亮 溫州醫(yī)科大學(xué)附屬眼視光醫(yī)院

彭 娟 廣州醫(yī)科大學(xué)附屬第二醫(yī)院

張 慧 昆明醫(yī)科大學(xué)第一附屬醫(yī)院

劉 昳 南京中醫(yī)藥大學(xué)附屬南京市中醫(yī)院

李 程 廈門大學(xué)眼科研究所

劉光輝 福建中醫(yī)藥大學(xué)附屬人民醫(yī)院

鄒文進 廣西醫(yī)科大學(xué)第一附屬醫(yī)院

謝華桃 華中科技大學(xué)同濟醫(yī)學(xué)院附屬協(xié)和醫(yī)院

李中文 溫州醫(yī)科大學(xué)附屬寧波市眼科醫(yī)院

王耀華 南昌大學(xué)附屬眼科醫(yī)院

文 丹 中南大學(xué)湘雅醫(yī)院

田 磊 首都醫(yī)科大學(xué)附屬北京同仁醫(yī)院

王 燊 新鄉(xiāng)醫(yī)學(xué)院第一附屬醫(yī)院

張 青 安徽醫(yī)科大學(xué)第二附屬醫(yī)院

劉春玲 四川大學(xué)華西醫(yī)院

黃明海 南寧愛爾眼科醫(yī)院

鄧志宏 中南大學(xué)湘雅三醫(yī)院

劉 華 錦州醫(yī)科大學(xué)附屬第三醫(yī)院

林志榮 廈門大學(xué)附屬廈門眼科中心

王 沙 中南大學(xué)湘雅醫(yī)院

溫 鑫 中山大學(xué)附屬孫逸仙紀念醫(yī)院

易湘龍 新疆醫(yī)科大學(xué)第一附屬醫(yī)院

吳 愷 南華大學(xué)附屬第一醫(yī)院

石文卿 復(fù)旦大學(xué)附屬金山醫(yī)院

葛倩敏 南昌大學(xué)第一附屬醫(yī)院

王 烽 梅州市人民醫(yī)院

參與起草的專家(按姓名拼音排列):

陳 程 南昌大學(xué)第一附屬醫(yī)院

陳 波 四川省人民醫(yī)院

陳景堯 昆明市第一人民醫(yī)院

陳 俊 江西中醫(yī)藥大學(xué)

陳新建 蘇州大學(xué)

陳 序 荷蘭馬斯特里赫特大學(xué)

陳 雨 上海大學(xué)

成 喆 長沙愛爾眼科醫(yī)院

旦增仁青 西藏眼科中心

鄧德勇 上海中醫(yī)藥大學(xué)附屬岳陽中西醫(yī)結(jié)合醫(yī)院

鄧宇晴 中山大學(xué)中山眼科中心

董 靜 山西醫(yī)科大學(xué)附屬第一醫(yī)院

董雯佳 南昌大學(xué)附屬眼科醫(yī)院

耿志鑫 天津視達佳科技有限公司

韓 憶 廈門大學(xué)眼科研究所

韓 云 廈門大學(xué)眼科研究所

何 歡 廈門大學(xué)附屬廈門眼科中心

何良琪 南昌大學(xué)第一附屬醫(yī)院

何 昕 廈門大學(xué)附屬第一醫(yī)院

何 媛 西安醫(yī)學(xué)院第二附屬醫(yī)院

賀 佳 濟寧醫(yī)學(xué)院

胡瑾瑜 南昌大學(xué)第一附屬醫(yī)院

胡守龍 河南省兒童醫(yī)院

胡曉琴 南昌大學(xué)附屬眼科醫(yī)院

黃彩虹 廈門大學(xué)眼科研究所

黃麗娟 福建醫(yī)科大學(xué)附屬第二醫(yī)院

黃永志 四川大學(xué)華西醫(yī)院

康紅花 廈門大學(xué)眼科研究所

康 敏 南昌大學(xué)第一附屬醫(yī)院

黎穎莉 南方醫(yī)科大學(xué)珠江醫(yī)院

李海波 廈門大學(xué)附屬廈門眼科中心

李柯然 南京醫(yī)科大學(xué)附屬眼科醫(yī)院

李 娟 陜西省眼科醫(yī)院

李乃洋 中山市人民醫(yī)院

李清堅 復(fù)旦大學(xué)附屬華山醫(yī)院

李植源 郴州市第一人民醫(yī)院

梁榮斌 復(fù)旦大學(xué)附屬金山醫(yī)院

林經(jīng)緯 廈門大學(xué)眼科研究所

林 祥 廈門大學(xué)附屬翔安醫(yī)院

令 倩 南昌大學(xué)第一附屬醫(yī)院

劉紅玲 哈爾濱醫(yī)科大學(xué)第一附屬醫(yī)院

劉秋平 南華大學(xué)附屬第一醫(yī)院

劉盛濤 復(fù)旦大學(xué)附屬眼耳鼻喉科醫(yī)院

劉婷婷 山東省眼科醫(yī)院

劉 源 美國Bascom Palmer眼科中心

劉澤宇 廈門大學(xué)眼科研究所

劉昭麟 南華大學(xué)附屬第一醫(yī)院

劉祖國 廈門大學(xué)眼科研究所

魯 理 中國科技大學(xué)第一附屬醫(yī)院

歐陽君 九江市第一人民醫(yī)院

彭志優(yōu) 南昌大學(xué)第一附屬醫(yī)院

邱坤良 汕頭大學(xué)·香港中文大學(xué)聯(lián)合汕頭國際眼科中心

邵婷婷 復(fù)旦大學(xué)附屬眼耳鼻喉科醫(yī)院

施 策 浙江大學(xué)醫(yī)學(xué)院附屬第二醫(yī)院

蘇 婷 武漢大學(xué)人民醫(yī)院

蘇兆安 浙江大學(xué)醫(yī)學(xué)院附屬第二醫(yī)院

宋秀勝 湖北省恩施州中心醫(yī)院

譚葉輝 南昌大學(xué)第一附屬醫(yī)院

唐麗穎 廈門大學(xué)附屬中山醫(yī)院

佟莉楊 溫州醫(yī)科大學(xué)附屬寧波市眼科醫(yī)院

王海燕 陜西省眼科醫(yī)院

王 賀 徐州醫(yī)科大學(xué)附屬醫(yī)院

王少攀 廈門大學(xué)人工智能研究所

王曉剛 山西省眼科醫(yī)院

王雪林 江西醫(yī)專第一附屬醫(yī)院

王 勇 武漢愛爾眼科醫(yī)院

魏 紅 南昌大學(xué)第一附屬醫(yī)院

吳 漾 復(fù)旦大學(xué)附屬中山醫(yī)院廈門醫(yī)院

吳振凱 常德市第一人民醫(yī)院

修陽暉 廈門大學(xué)附屬廈門眼科中心

徐三華 南昌大學(xué)第一附屬醫(yī)院

徐云芳 南昌大學(xué)第一附屬醫(yī)院

姚 勇 廣州?，斄猪槼毖劭漆t(yī)院

楊海軍 南昌普瑞眼科醫(yī)院

楊啟晨 四川大學(xué)華西醫(yī)院

楊青華 中國人民解放軍總醫(yī)院

楊 舒 昆明市第一醫(yī)院

楊文利 首都醫(yī)科大學(xué)附屬北京同仁醫(yī)院

楊 陽 岳陽市中心醫(yī)院

楊怡然 河南省立眼科醫(yī)院

楊于力 陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院

葉 蕾 三峽大學(xué)附屬人民醫(yī)院

俞益豐 南昌大學(xué)第二附屬醫(yī)院

余 瑤 南昌大學(xué)第一附屬醫(yī)院

袁 晴 九江市第一人民醫(yī)院

張 冰 杭州市兒童醫(yī)院

張麗穎 貴州醫(yī)科大學(xué)附屬醫(yī)院

張 瑩 武漢愛爾眼科醫(yī)院

張雨晴 重慶醫(yī)科大學(xué)第二附屬醫(yī)院

張玉潔 廈門大學(xué)附屬廈門眼科中心

張 真 廈門大學(xué)第一附屬醫(yī)院

張艷艷 溫州醫(yī)科大學(xué)附屬寧波市眼科醫(yī)院

趙 慧 上海交通大學(xué)醫(yī)學(xué)院附屬第一人民醫(yī)院

鐘 菁 中山大學(xué)中山眼科中心

朱佩文 復(fù)旦大學(xué)附屬眼耳鼻喉科醫(yī)院

朱欣悅 上海交通大學(xué)醫(yī)學(xué)院附屬第一人民醫(yī)院

鄒篤雷 山東第一醫(yī)科大學(xué)附屬眼科醫(yī)院

鄒 潔 南昌大學(xué)第一附屬醫(yī)院

利益沖突：

所有作者均聲明不存在利益沖突。本指南的制定未接受任何企業(yè)的贊助。

共識聲明：

所有參與本指南制定的專家均聲明,堅持客觀的立場,以專業(yè)知識、研究數(shù)據(jù)和臨床經(jīng)驗為依據(jù),經(jīng)過充分討論,全體專家一致同意后形成本指南,本指南為中國醫(yī)藥教育協(xié)會眼科影像與智能醫(yī)療分會及國際轉(zhuǎn)化醫(yī)學(xué)會眼科專業(yè)委員會部分專家起草。

免責(zé)聲明：

本指南的內(nèi)容僅代表參與制定的專家對本指南的指導(dǎo)意見,供臨床醫(yī)師參考。盡管專家們進行了廣泛的意見征詢和討論,但仍有不全面之處。本指南所提供的建議并非強制性意見,與本指南不一致的做法并不意味著錯誤或不當(dāng)。臨床實踐中仍存在諸多問題需要探索,正在進行和未來開展的臨床診療將提供進一步的證據(jù)。隨著臨床經(jīng)驗的積累和治療手段的涌現(xiàn),未來需要對本指南定期修訂、更新,為受檢者帶來更多臨床獲益。