中山大学研究团队用人工智能预测孩子十年后近视度数

据报道，中山大学中山眼科中心刘奕志教授团队，利用百万医学验光大数据，发现了真实世界中的中国青少年近视眼发生发展规律，创建了近视眼人工智能预测模型，可精准预测青少年近视的发展，对青少年近视的有效干预和防控具有重大意义。原创论文于11月6日在国际医学杂志PLoS Medicine官网首页以推介文章在线发表。

既往青少年近视眼研究数据量小，无法完全反映其发展规律，因此不能有效进行预测及早期精准干预。近视眼一旦发展为高度近视，可导致视网膜变性、脱离等不可逆损害，严重影响孩子们的身心健康。如果能够在早期预测其发展规律，通过增加户外活动等早期干预手段，就可减缓近视眼的发生发展，对降低高度近视的风险有重要意义。

中山眼科中心刘奕志教授团队联合全国多家医疗机构，利用十年百余万次的近视眼医学验光大数据，揭示出真实世界青少年近视眼发生、进展与稳定的规律。在此基础上，运用随机森林算法进行机器学习，建立人工智能预测系统，可对近视进展趋势进行个体化预测，3年内准确率达90%，10年内准确率达80%以上，也可提前8年有效预测高度近视，为近视眼的精准干预提供了科学依据。

 

研究内容总览图：

A 研究纳入8家眼科中心及2家非医疗单位数据。由于研究关注学龄儿童，故纳入标准设为：初诊6-20岁，且本人至少有3次检查，其间隔大于1年。

B 需要输入的预测指标包括，验光年龄，验光球镜度，和度数的年进展速率。预定算法根据这些指标预测指定时间后的近视球镜度，并预测未来10年内是否会进展为高度近视。

C 我们利用机器学习中的随机森林构建预测模型。中山眼科中心的数据用作测试集，内部验证采用10倍交叉验证及OOB法（out-of-bag）。其余数据及其它合作单位采集数据用以外部验证和多来源测试。

为了将研究成果转化应用，研究团队开发出一套人工智能云平台，提供高效的近视预测服务。通过访问智能平台，输入前后两次检查的年龄和度数（间隔至少一年），即可预知10年内的近视度数变化与高度近视风险。

声明：文章收集于网络，如有侵权，请联系小编及时处理，谢谢！

文章来源：人工智能和大数据

《OpenCV计算机视觉产品实战》本课程关注怎样运用OpenCV编写程序，解决实际项目问题，课程注重运用而非理论，因此即使你不具备基础知识，但是在一步一步的讲解中，按图索骥，也能够快速入门，并且建立起知识框架；对于具备一定基础的开发者来说，学习本门课程能够加速对图像处理程序的理解，并且逐渐积累起自己的开发框架。点击下方二维码报名课程