青光眼是全球第二大致盲性眼病，同時也是首位不可逆的致盲性眼病。據統計，全世界約有超過8100萬青光眼患者，其中1120萬人最終可能發展為雙眼盲，而我國有2200萬青光眼患者，40歲以上人群的青光眼患病率為2.6%，致盲率為30%。青光眼還會造成嚴重的社會經濟負擔，在我國若對所有患者進行治療，估計直接花費可達150-180億美元，由青光眼致殘所造成的間接經濟損失更難以估量。因此，青光眼是一種高患病率、高致殘率，並導致社會巨大經濟負擔的疾病，是嚴重危害人類視覺健康的公共衛生問題。
那麼什麼是青光眼呢？
目前，青光眼被認為一類發病機制複雜、類型繁多的疾病，其共同終點是進行性和特徵性的視神經萎縮和不可逆的視野缺損，且病理性眼壓升高被認為是唯一明確的危險因素。青光眼大致可以分為四類：原發性青光眼（包括閉角型與開角型）、繼發性青光眼、先天性青光眼和混合型青光眼。它的發病可以分為急性和慢性，急性發作的青光眼常常表現為急性的眼部脹痛、視物模糊，甚至頭痛、噁心嘔吐等症狀，有時會誤使得患者到神經內科或其他內科就診，耽誤病情；而慢性青光眼早期80%-90% 症狀不明顯，絕大部分患者處於疾病早期甚至中期卻不知情，到發現視功能障礙甚至喪失視力而就醫時，已到晚期青光眼，且以目前的醫學技術並不能恢復已經發生的視神經損害，只能維持現有的視功能，青光眼也因而被稱為是“偷走光明的小偷”。為了宣傳青光眼的知識、提高公眾對青光眼的認識從而減輕疾病負擔，世界衛生組織將每年3月定位“世界青光眼周”，這也是全球為單一疾病設立週期最長的科普宣教活動。
針對青光眼損傷不可逆，但可通過早干預減緩視力損害這一特點，青光眼醫生呼籲對全民進行切實有效可行的篩查措施。 如果能夠做到對青光眼患者的早發現、早診斷、早治療（包括藥物、激光、手術等治療方法），就可以大大降低青光眼的致盲率。對於40歲以上的中老年人、有青光眼家族史、高度近視或遠視眼、心血管疾病和糖尿病患者、長期服用激素史這幾類具有青光眼高危因素的人群，更需要定期進行眼科檢查。
那麼，如此高發病率且危害巨大的青光眼如何能夠被早期發現呢？在臨床工作中，眼科醫生常常結合裂隙燈檢查、眼壓、視野、眼底照相、房角鏡檢查、OCT等多種檢查做出青光眼的診斷，但在對人群進行青光眼篩查時，眼底照相是判斷是否存在視神經損害最為快捷、簡便且可以客觀評估視盤表面結構和視網膜神經纖維層的檢查方法。（敏感性特異性最高）正所謂，“視神經一張照，青光眼早知道”。
如圖1所示，左側為正常眼的眼底圖像，右側為青光眼患者的眼底圖像。眼底圖像上最值得關注的兩個部位即是黃斑和視神經盤，黃斑是人眼視力最敏銳的部位，而視盤是眼底視神經細胞匯聚並穿出眼球的部位，在視野上表現為生理盲點。視盤的邊緣隆起，中央凹陷，凹陷部分稱為視杯，我們可以看到青光眼患者的視杯明顯擴大。常用的簡便評估方法是測量視杯和視盤直徑的比值（杯盤比），青光眼學組把垂直杯盤比值0.6作為青光眼篩查的指標。
圖1 正常眼與青光眼的眼底圖像
第二個重要評估指標是盤沿組織，如圖2所示，盤沿指凹陷邊緣至視盤邊緣之間的環狀部分，左圖所示的正常盤沿下方最寬，上方次之，再次為鼻側，顳側為最窄，而右圖所示的青光眼眼底圖像上下方盤沿明顯變窄，這也是青光眼的典型改變。
圖2正常眼與青光眼的盤沿結構
通過以上這些特點，我們不難理解為什麼說視神經一張照，青光眼便可以早知道。
為了提高篩查青光眼的效率，首都醫科大學附屬北京同仁醫院眼科中心、北京市眼科研究所通過成立遠程眼科會診中心與基層醫院建立了協同醫療模式，且通過比較發現，遠程閱片平臺對青光眼診斷的檢出率與基礎眼病篩查模式相比沒有統計學差異，並大大減少了就診的時間成本和經濟成本，可見遠程眼科診療技術為青光眼篩查和診斷提供了一種有效而便捷的手段。然而這個過程需要對眼底圖像進行專業判讀，耗費大量的專業人力資源，普通醫生對青光眼的眼底圖像診斷時間大概為每1000張耗時12-15小時，我國僅4萬餘名眼科醫生，無法完成龐大的14億人口的篩查。近年來，人工智能在圖像識別領域的快速發展，為眼科乃至整個醫療領域都帶來了重大突破，應用人工智能可以實現在短時間內對大量醫學圖像高效、準確的篩查和診斷。
北京市眼科研究所王寧利教授團隊研發了一項可以自動檢測眼底圖像的青光眼性視神經改變的深度學習算法，並作為封面文章發表在JAMA眼科學子刊，並作為“首個來自中國真實世界的多中心研究”獲得了眼視光學最大的在線雜誌的專題報道。經過驗證，該算法對青光眼性眼底改變進行識別的準確性和特異性分別高達96.2%和97.7%，同時實現了人工智能識別過程的可視化。如圖3所示，左圖為青光眼患者的眼底圖像，右圖為深度學習算法在識別過程中關注區域的可視化熱圖，顏色越接近紅色，表示該區域對於識別結果越有價值，這也與臨床醫生的判讀依據相符。
圖3 人工智能判讀青光眼眼底圖像的可視化圖
閱讀更多 同仁王寧利談眼健康 的文章
