視網膜與視神經病變患者人數因過度使用3C產品與不良生活習慣而增加，且年齡層不斷下降，早期往往難以察覺，但卻是造成視力永久損傷的主要原因之一，因此及早確診並轉介治療是延緩病變惡化的重要因素。為了及早篩檢出疾病並已給予病患完善治療，醫學界近來積極將深度學習系統所發展的人工智慧應用於眼底照片、光學同調斷層掃描與視野判讀；此外，在判讀糖尿病視網膜病變、疑似青光眼的視神經病變與老年性黃斑部病變的應用上也取得初步的成果。若能將人工智慧與遠距醫療合併發展，可以增加眼疾篩檢的可行性，甚至可以遠距監控疾病進展，增加醫療利用之效能，不啻是偏鄉病患的一大福音。

由深度學習所進行的疾病或檢查結果分類，較傳統機器學習最大的不同，在於不必人爲界定疾病的特徵，而是讓深度學習系統自行擷取可能的分類特徵而做出判定，可以達到較傳統機器學習更高的準確率。只需要輸入正常與罹病之眼底照片(或相關檢查影像資料)，就能建構針對眼底照片進行疾病分類之深度學習系統。

糖尿病視網膜病變

過多的醣、鹽及油脂攝取都有可能增加罹患糖尿病的風險。根據國際糖尿病聯盟(International Diabetes Federation，IDF)指出，2040年全球可能有高達6.4億人口罹患糖尿病，其中甚至有三分之一會併發糖尿病視網膜病變，影響族群甚廣，且有7%的糖尿病患者還可能罹患對視力有嚴重影響的視網膜病變。要避免糖尿病視網膜病變所導致的視覺損傷，完整的篩檢與即時的轉介治療是不可或缺的要素。

糖尿病視網膜病變的定義明確，非常適合發展深度學習的自動診斷系統，也有數據龐大的眼底照片資料庫可供研究發展。糖尿病視網膜病變深度學習自動診斷系統，已在族群篩檢的研究中證實其可行性，針對需轉介的糖尿病視網膜病變之診斷率，其敏感度與特異性可達到9成以上。甚至已有商業化產品通過美國食品藥物管理局(Food and Drug Administraion，FDA)之認証，可用於糖尿病視網膜病變之篩檢。不過其適用對像有特定限制，建議使用對象為22歲以上未曾接受過眼底檢查脂糖尿病患者。任何有視覺功能異常之患者、懷孕患者、曾經有過 視網膜疾病之患者、或曾接受過雷射治療之患者均須被排除在外。

老年性黃斑部病變

隨著人口高齡化，罹患老年性黃斑部病變的人口數也逐漸上升，根據流行病學的調查(參考文獻1)結果推估，2040年全球將有2.8億人罹患中等嚴重度以上的老年性黃斑部病變，導致視力逐漸惡化直至失明。這些患者應該定期接受視網膜檢查，若能發展人工智慧判定系統，將可加速檢查報告結果並大幅減少視網膜科醫師的負擔。根據文獻報告(參考文獻2)，人工智慧系統的應用在老年性黃斑部病變上可達接近九成的正確率。

青光眼

青光眼會導致不可恢復的視覺功能損傷，也是失明的首要原因之一。青光眼被稱為無聲的視力小偷，因為在疾病的早期絕大部分的患者不會有主觀的症狀，所以難以透過病患的自我檢測早期發現。人工智慧對青光眼早期診斷最大的幫助在於利用人工智慧系統進行視網膜眼底照片的篩檢，以轉介可能罹患青光眼的患者。根據文獻報告(參考文獻3)，利用眼底照片診斷疑似青光眼的診斷率可以達到九成左右，但目前尚未進展到臨床使用階段。此外也有一些研究想透過機器學習系統協助醫師分析視野缺損的進展，希望能更早期偵測到青光眼性視野缺損或更早發現到視野缺損的惡化，以期能更早期的積極介入治療。

希望藉助人工智慧診斷系統的發展，能更早篩檢出需要接受進一步治療的患者，並減少醫師臨床工作量的負擔。此外更深化的模型發展，可以進一步協助醫師預估病情進展的方向與速度，讓病人更了解自己未來可能面對的治療與疾病可能導致的功能缺損，也協助醫師幫病人選擇最適合的治療方式。

參考文獻

1. Wong WL, Su X, Li X, et al. Global prevalence of age-related macular degeneration and disease burden projection for 2020 and 2040: a systematic review and meta-analysis. Lancet Glob Health 2014;2:e106–16.
2. Ting DSW, Pasquale LR, Peng L et al, Artificial intelligence and deep learning in ophthalmology. British Journal of Ophthalmology 2019;103:165-175.
3. Li Z, He Y, Keel S, Meng W, Chang RT, He M. Efficacy of a deep learning system for detecting glaucomatous optic neuropathy based on color fundus photographs. Ophthalmology. 2018;125:1199-206.