上海纽约大学首席科学家成功研发视野图测量新方法

2020-6-27 04:58:13

内容摘要：

速读文章内容

Scroll down forEnglish

上海纽约大学NYUShanghai

据世界卫生组织统计，全球至少有22亿人因青光眼、白内障，以及老年黄斑变性等眼部疾病而造成视力损伤甚至失明。目前，利用视野图（VFM, visual-field map）评估病人的中央和周边视力是临床上诊断和管理这些眼部疾病的常规方法。

然而，由于当前的视野图检测方法普遍不够精准，一些眼部疾病的诊断和治疗常常受到限制。上海纽约大学首席科学家、副教务长、华东师范大学-纽约大学脑与认知科学联合研究中心（上海纽约大学)联合主任吕忠林教授长期致力于视觉神经系统的机制和运用研究，利用其多学科交叉优势开发多种全新的技术平台来攻克视觉神经疾病评估的多项技术挑战。近期，他与三位研究伙伴——来自俄亥俄州立大学的徐鹏景、于德月和Adaptive Sensory Technology公司的Luis Andres Lesme——共同研发出一种全新的命名为qVFM的视野图检测方法。这种方法能在保证高效率的同时，协助临床医生更精准地测量患者的视野图。该研究于2019年12月发表在视觉科学领域知名期刊《视觉杂志》上。

视野仪（SAP, standard automated perimetry）是目前临床眼科诊断中检测视野图的“金标准”。虽然它通过测量视网膜不同位置的光敏度生成光敏度视野图，但它的测量精度却不尽人意。例如，在一项眼部高血压治疗研究中，85.9％的案例在使用视野仪进行二次重复测量时得到的结果和第一次完全相反。

上海纽约大学NYUShanghai

视野仪（SAP）

“我们可以把一台视野图检测仪器想象成一把尺子，”吕忠林教授说，“目前的视野仪就好比一把刻度精确到分米的尺子，它们在测量毫米量级的物体时自然会存在很大的误差。所以，我们需要一种更精密的工具，可以测量更精细的物体，反映更微小的变化。只有使用精度更高的尺子，我们才能检测到微小的视力变化，从而把握正确的治疗方向。”

新的qVFM方法采用了一种贝叶斯主动学习算法来提高测试的准确度和精度，同时缩短测试时间。该算法通过主动学习患者对不同刺激的反应，在每次测量中选用适合受试个体的最佳刺激（如应该测视网膜哪个位置，使用怎样的光强度或对比度）。这套算法共包含三个模块：初步测量整个视野图形状的全局模块、测量视野各个区域的局部模块，以及确定何时从全局模块切换至局部模块的转换模块。

在全局模块中，视野图的形状被构建为一个包含五个参数的倾斜椭球抛物面函数（TEPF，tilted elliptic paraboloid function，如下图所示）。qVFM方法通过从受试者每次试验的反应中不断学习这五个参数，得出视野图总体形状的粗略估计。

上海纽约大学NYUShanghai

模拟视野图和倾斜椭球抛物面函数。左图为含盲点的左眼模拟视野图，右图为与之对应的无盲点的倾斜椭球抛物面函数

转换模块评估全局模块中视野图形状的信息获取速率，并在进一步测量无法继续迅速提高倾斜椭球抛物面函数的精度时切换至局部模块。

局部模块利用全局模块的运行结果生成对每个视网膜区域视觉功能（如光敏度）的初始估计，然后用另一种贝叶斯主动学习算法进一步提高每个视网膜区域视觉功能检测的精度。

qVFM研究团队通过一系列计算机模拟和一项心理物理学实验验证了qVFM方法。他们通过比较完整的qVFM和仅运行局部模块的简化版qVFM的性能，展现了完整的qVFM方法的强大功能。

团队模拟了一些“观察者”，并将他们的视力预设为正常值。这些虚拟“观察者”用单眼观看计算机显示器上的刺激。在每次测量中，刺激可能会出现在视网膜上的100个位置中的一个，他们需要报告目标刺激（光点）是否出现在某一指定的位置。在心理精神物理学实验中，六名受试者做了和虚拟“观察者“同样的实验。在每次测量中，他们被要求报告目标刺激是否出现在了100个视网膜位置中的某个指定位置上，每次试验的光强度和目标刺激位置均基于qVFM方法的最优化选择。

上海纽约大学NYUShanghai

实验要求受试者注视显示屏中央，报告光点是否出现在提示位置（圆圈）中央

模拟和实验结果均表明，使用qVFM方法能够得出更精准的光敏度视野图，并且完整的qVFM方法的工作效率约为简化方法（仅使用局部模块）的两倍。qVFM方法也可以用来测试其他视觉功能，以监测视力损伤，评估治疗效果，以及研发有效的低视力康复治疗方法。

吕忠林表示，他们计划将研究拓展至光敏度以外的其他视觉功能：“研究视觉功能的最终目的是评估和预测日常生活中视觉的使用情况，所以我们的检测不应该局限于对光敏度的测量，而应涵盖所有的视觉功能。我们的研究应当考虑人们使用视觉的真实生活场景，例如阅读、驾驶等。”为此，团队已经开展研究，探索如何提高对比敏感度（区分物体与其背景的视觉能力）视野图测量的准确度、精度和效率。他们同时也在探究视野图与驾驶行为之间的关系。

此外，研究团队还在开展一系列研究以探索视野图检测的更佳操作。比如，他们选择了患有眼疾的受试者来验证qVFM方法，以确保该方法对检测眼部疾病患者的视野图也同样有效。他们还尝试优化受试者对刺激进行反应的方式，运用眼动装置替代目前的按键方式，这样受试者只要通过移动眼睛注视方向就能表明其看到的刺激的位置。

qVFM方法已申请PCT国际专利。目前各方正在积极讨论该技术商业化的相关事宜。