青光眼是世界范圍內(nèi)不可逆性失明的主要原因之一，其特征是結(jié)構(gòu)損傷和功能喪失。青光眼患者往往擁有慢性病程，需要進(jìn)行長(zhǎng)期隨訪。預(yù)后預(yù)測(cè)能夠幫助醫(yī)師更好地制定診療方案。然而，現(xiàn)有的公共青光眼數(shù)據(jù)集幾乎都是橫斷面的，主要聚焦于眼底照中的視盤分割及青光眼診斷。而隨著人工智能（AI）的發(fā)展，深度學(xué)習(xí)模型已經(jīng)可以在縱向數(shù)據(jù)集的支持下對(duì)青光眼的未來視野及其進(jìn)展進(jìn)行準(zhǔn)確預(yù)測(cè)。縱向多模態(tài)數(shù)據(jù)的提供對(duì)青光眼AI的發(fā)展至關(guān)重要。
2023年8月5日，浙江大學(xué)葉娟及金凱團(tuán)隊(duì)（黃笑羚為本文的第一作者）在Scientific Data在線發(fā)表題為“GRAPE: A multi-modal dataset of longitudinal follow-up visual field and fundus images for glaucoma management”的研究性論文。
該團(tuán)隊(duì)構(gòu)建了一個(gè)公開的縱向青光眼真實(shí)世界進(jìn)展評(píng)估數(shù)據(jù)集（GRAPE）。GRAPE數(shù)據(jù)集包含263只眼睛的1115個(gè)隨訪記錄，包括視野、眼底圖像、眼壓、OCT測(cè)量值和其他相關(guān)的臨床信息，對(duì)眼底圖像進(jìn)行了視盤視杯分割，并以不同的進(jìn)展定義方式對(duì)視野是否進(jìn)展進(jìn)行了標(biāo)注。為了驗(yàn)證數(shù)據(jù)庫(kù)的可行性，該團(tuán)隊(duì)構(gòu)建了兩個(gè)基線模型，利用眼底照進(jìn)行視野及其進(jìn)展的預(yù)測(cè)。該數(shù)據(jù)集將推動(dòng)人工智能在青光眼管理方面的研究。由于治療困難，青光眼患者通常伴有慢性進(jìn)行性病程。在長(zhǎng)期隨訪中，標(biāo)準(zhǔn)自動(dòng)視野計(jì)進(jìn)行的視野檢查和眼壓監(jiān)測(cè)對(duì)青光眼患者的視覺功能評(píng)估具有重要意義。而彩色眼底照片和光學(xué)相干斷層掃描（OCT）也經(jīng)常被用來檢測(cè)青光眼患者的眼底結(jié)構(gòu)損傷。
隨著AI的發(fā)展，更多的研究開始關(guān)注青光眼的預(yù)后，并使用一些眼底生物特征參數(shù)或醫(yī)學(xué)圖像來預(yù)測(cè)青光眼的發(fā)生和發(fā)展。同時(shí)，由于視野測(cè)試具有相當(dāng)大的重測(cè)變異性以及需要患者較高的配合度，先前的研究還提出了各種機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型，根據(jù)結(jié)構(gòu)參數(shù)或醫(yī)學(xué)圖像來預(yù)測(cè)視野。這些有關(guān)于青光眼評(píng)估的AI模型的開發(fā)均需要患者完整的隨訪檢查數(shù)據(jù)。然而現(xiàn)有的大多數(shù)包含眼底照或OCT圖像的橫斷面數(shù)據(jù)集都集中在青光眼診斷上，無法評(píng)估隨訪期間產(chǎn)生的縱向變化。該研究提出了一個(gè)青光眼真實(shí)世界進(jìn)展評(píng)估數(shù)據(jù)集（GRAPE），包括基線和隨訪期間的視野值、眼壓、OCT測(cè)量值、眼底圖像和其他相關(guān)臨床數(shù)據(jù)。該數(shù)據(jù)集記錄了青光眼患者的完整隨訪過程，可用于青光眼的進(jìn)展預(yù)測(cè)與隨訪治療。該數(shù)據(jù)集將極大程度地促進(jìn)基于AI的青光眼預(yù)后預(yù)測(cè)研究。
浙江大學(xué)醫(yī)學(xué)院附屬第二醫(yī)院眼科中心 浙江大學(xué)眼科醫(yī)院