数据科学下的青光眼诊治.PDFVIP

专题 第 12 卷  第10 期  2016 年 10 月 数据科学下的青光眼诊治 朱 罡 皞 关键词 ：青光眼诊治　数据科学 北京航空航天大学 医学数据的爆发式增长以及机器学习、物联网、 青光眼是一类退行性视神经疾病的总称，会导 高性能计算等科学技术的发展使医疗数据科学成为 致视神经节细胞死亡或功能缺失。视神经节细胞的 国际学术研究的热点，数据科学与医学领域的交叉 突触形成了视神经纤维，将整个视网膜的信号经过 融合已经并将进一步引发人类对健康福祉与生存质 视盘传入大脑。见图1(a) 。青光眼导致的视神经节 量新的追求。 细胞死亡与功能缺失阻断了视觉信号进入大脑的通 除了大数据普遍具有的5V 特性之外，医疗大 路，在症状上体现为视网膜结构与功能的损伤。青 数据还有其特殊性质。首先，个体差异巨大。传统 光眼已经成为全球性的健康难题，属不可逆致盲疾 [1] 医学的研究方法是将人群统计规律应用于个人。医 病，预计到2020 年患者将达到8000 万 。早期青 学常用的随机对照试验用于检测诊疗方法的有效 光眼多发于视野的边缘 （图1(b) ），并且损伤的空间 性，通常仅包括数百个患者样本，所总结出的统计 形态各有不同，多数不易被察觉。而当损伤加重且 规律远远不能涵盖广泛的患者，常出现误诊、治疗 扩散至视野中心引起患者的察觉时，往往已经对患 无效等状况。只有通过大数据的汇集，才可能更加 者的生活质量产生了严重影响。目前，青光眼导致 全面地覆盖每个个体，无限逼近事实真相，为患者 的视觉损伤是不可逆的，患者需要终生随诊跟进， 量身定制诊疗方案。其次，医疗数据多源、异质。 以维持残留的视觉功能。对于快速恶化的患者，采 每个疾病的诊治都依赖一系列的测量数据，如影像、 用控制眼压等疗法可以有效减缓病情的恶化 ；对于 基因、结构化与非结构化数据。这些数据在维度、 病情平稳的患者，则可以采取强度较低的疗法。因 波动性、测量原理、动态范围、质量等方面都有着 此，青光眼临床诊治的关键是疾病的诊断与恶化的 巨大的差异，且相互关系往往不明确。通过医疗大 侦测，使患者尽早得到相应的治疗，尽可能维持其 数据可以综合各类数据，使单一数据能够协同工作， 视觉功能的完整性。 增强数据的功效。第三，医疗大数据共享困难。医 除眼压、房角、裂隙灯等常规检查外，临床 疗数据由于其特有的敏感性，以及受到道德伦理、 青光眼的诊治越来越依赖于量化的视网膜结构与功 监管等方面的约束，加之技术、政策、管理等方面 能测量。这些量化的测量方法为诊断和恶化侦测提 的制约，至今很难汇集到真正意义上的临床大数据。 供了重要依据。其中，视觉功能的测量多采用自动 [2] 本文仅就数据科学在青光眼诊治中的应用进行 视野测量 （图1(a)、(c) ） ，例如24-2 视野测量在 介绍。 27°的视野范围内均匀地抽样测量视网膜各空间位 置的对比敏感度，范围从40dB（健康）到0dB（失明）。 青光眼视网膜结构与视觉功能数据 视网膜结构的测量则借助于各类光学成像技术 （图 1(d)、(e) ），例如光学相干断层成像(Optical Coher- 20 第 12