高级检索
中华实验眼科杂志
期刊首页
过刊列表
高级检索
稿件发表
• 专家述评 •
ENGLISH ABSTRACT
重视人工智能在葡萄膜恶性黑色素瘤中的应用和挑战
丁运刚
李永平
作者及单位信息
·
DOI： 10.3760/cma.j.cn115989-20240722-00206
Focusing on the application and challenges of artificial intelligence in uveal malignant melanoma
Ding Yungang
Li Yongping
Authors Info & Affiliations
Ding Yungang
Affiliated Eye Hospital of Shandong University of Traditional Chinese Medicine, Jinan 250002, China
Li Yongping
Zhongshan Ophthalmic Center, Sun Yat-sen University, Guangzhou 510060, China
·
DOI： 10.3760/cma.j.cn115989-20240722-00206
269
24
0
2
1
4
PDF下载
APP内阅读
摘要

葡萄膜恶性黑色素瘤是成人常见的原发性眼内恶性肿瘤，具有高度隐匿性和转移性，具有高致盲和致死风险。随着机器学习和深度学习技术的发展，人工智能(AI)在葡萄膜恶性黑色素瘤的诊断、治疗和预后评估中展现出相当的应用潜力，能够深入挖掘临床影像、病理及基因组等多维数据，辅助临床医师进行诊断和治疗决策。AI可以分析眼部照相和放射学图像数据，辅助鉴别诊断；预测放射治疗不良反应和效果，辅助优化治疗方案；基于临床特征和数字病理图像，构建精准的预后预测模型，其准确率可以媲美基因表达谱分析。尽管AI在葡萄膜恶性黑色素瘤的临床应用面临数据、技术和人机协作等挑战，但是随着对葡萄膜恶性黑色素瘤研究的深入和AI技术的发展，AI有望更精准、高效地助力葡萄膜恶性黑色素瘤患者的诊疗和预后评估，最终改善患者预后。

葡萄膜;黑色素瘤;人工智能;机器学习;诊断;治疗;预后评估
ABSTRACT

Uveal malignant melanoma is one of the common primary intraocular malignancies in adults.Its high concealment and significant metastatic potential lead to a high risk of blindness and mortality.With advances in machine learning and deep learning techniques, artificial intelligence (AI) has shown increasing promise for application in the diagnosis, management, and prognosis evaluation of uveal malignant melanoma.AI can thoroughly analyze the multi-modal data, such as clinical images, pathological images, and genetic data, and assist clinicians in diagnosis and treatment planning.AI analyzes ophthalmic photography and radiological image to assist in differential diagnosis, and predicts side effects and outcomes of radiotherapy to optimize treatments.AI constructs the models for accurate prognosis based on clinical features and digital pathology images, and its accuracy is comparable to that of gene expression profiling tests.The clinical application of AI in uveal malignant melanoma faces the challenges of data availability, technology limitations, and effective human-machine collaboration.However, with ongoing research in both uveal malignant melanoma and AI, AI is expected to improve the accuracy and efficiency of diagnosis, management, and prognosis assessment, ultimately improving patient outcomes.

Uvea;Melanoma;Artificial intelligence;Machine learning;Diagnosis;Treatment;Prognosis evaluation
Li Yongping, Email: mocdef.nabuyila1691ilgnipgnoy
Copyright by Chinese Medical Association
No content published by the journals of Chinese Medical Association may be reproduced or abridged without authorization. Please do not use or copy the layout and design of the journals without permission.
All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.
引用本文

丁运刚,李永平. 重视人工智能在葡萄膜恶性黑色素瘤中的应用和挑战[J]. 中华实验眼科杂志,2024,42(12)：1084-1089.

DOI:10.3760/cma.j.cn115989-20240722-00206

PERMISSIONS

Request permissions for this article from CCC.

评价本文
*以上评分为匿名评价
本文评分
5分 [累计1个]

版权归中华医学会所有。

未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。

除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。

葡萄膜恶性黑色素瘤(uveal malignant melanoma，UM)是一种成人常见的原发性眼内恶性肿瘤，起源于眼内的葡萄膜组织，该肿瘤约90%发生在脉络膜，6%发生在睫状体，4%发生在虹膜 [ 1 ]。UM具有高度隐匿性、鉴别诊断困难、易转移和致死率高的特点，给患者带来了较大的致盲和致死风险 [ 2 , 3 ]。近年来，随着机器学习(machine learning，ML)和深度学习(deep learning，DL)技术的快速发展，人工智能(artificial intelligence，AI)在UM诊断、治疗和预后评估中的应用研究也取得了相当的进展 [ 4 ]。AI可以深入挖掘肿瘤检查数据集中的隐藏关系，涵盖临床、影像、检验、病理、基因组学、转录组学和多模态数据等多种数据类型 [ 5 , 6 ]。随着AI技术的发展，其对眼科临床数据进行自动化分析的研究报道日益增多，相关的伦理规范也在不断完善 [ 7 ]。因此，重视AI在UM诊疗中的应用，并积极面对相关挑战，将有助于推动UM诊疗进展，提高患者生存质量和生活水平。
试读结束，您可以通过登录机构账户或个人账户后获取全文阅读权限。
参考文献
[1]
Shields CL ， Furuta M ， Thangappan A ，et al. Metastasis of uveal melanoma millimeter-by-millimeter in 8033 consecutive eyes[J]. Arch Ophthalmol， 2009，127(8)∶989－998. DOI： 10.1001/archophthalmol.2009.208 .
返回引文位置Google Scholar
百度学术
万方数据
[2]
Jager MJ ， Shields CL ， Cebulla CM ，et al. Uveal melanoma[J/OL]. Nat Rev Dis Primers， 2020，6(1)∶24[2024－07－10]. https://pubmed.ncbi.nlm.nih.gov/32273508/. DOI： 10.1038/s41572-020-0158-0 .
返回引文位置Google Scholar
百度学术
万方数据
[3]
Carvajal RD ， Sacco JJ ， Jager MJ ，et al. Advances in the clinical management of uveal melanoma[J]. Nat Rev Clin Oncol， 2023，20(2)∶99－115. DOI： 10.1038/s41571-022-00714-1 .
返回引文位置Google Scholar
百度学术
万方数据
[4]
Koseoglu ND ， Corrêa ZM ， Liu T ．Artificial intelligence for ocular oncology[J]. Curr Opin Ophthalmol， 2023，34(5)∶437－440. DOI： 10.1097/ICU.0000000000000982 .
返回引文位置Google Scholar
百度学术
万方数据
[5]
赵汉卿，罗婧婷，李洋，等．单细胞转录组测序在葡萄膜黑色素瘤中应用的研究进展[J]. 中华眼底病杂志， 2022，38(3)∶248－252. DOI： 10.3760/cma.j.cn511434-20220130-00063 .
返回引文位置Google Scholar
百度学术
万方数据
Zhao HQ ， Luo JT ， Li Y ，et al. Research progress of single-cell transcriptome sequencing in uveal melanoma[J]. Chin J Ocul Fundus Dis， 2022，38(3)∶248－252. DOI： 10.3760/cma.j.cn511434-20220130-00063 .
Goto CitationGoogle Scholar
Baidu Scholar
Wanfang Data
[6]
Eisenstein M ．AI assistance for planning cancer treatment[J]. Nature， 2024，629(8014)∶S14－S16. DOI： 10.1038/d41586-024-01431-8 .
返回引文位置Google Scholar
百度学术
万方数据
[7]
《眼科人工智能临床应用伦理专家共识(2023)》专家组，中国医药教育协会数字影像与智能医疗分会，中国医药教育协会智能医学专业委员会．眼科人工智能临床应用伦理专家共识(2023)[J]. 中华实验眼科杂志， 2023，41(1)∶1－7. DOI： 10.3760/cma.j.cn115989-20220905-00414 .
返回引文位置Google Scholar
百度学术
万方数据
Expert Workgroup of Expert consensus for ethics of clinical application of artificial intelligence in ophthalmology (2023)，Digital Imaging and Intelligent Medicine Branch of China Medical Education Association，Intelligent Medicine Special Committee of China Medical Education Association. Expert consensus for ethics of clinical application of artificial intelligence in ophthalmology (2023)[J]. Chin J Exp Ophthalmol， 2023，41(1)∶1－7. DOI： 10.3760/cma.j.cn115989-20220905-00414 .
Goto CitationGoogle Scholar
Baidu Scholar
Wanfang Data
[8]
林浩添，吴晓航．加快基于眼科图像数据库的眼病人工智能辅助诊断平台建设[J]. 中华实验眼科杂志， 2018，36(8)∶577－580. DOI： 10.3760/cma.j.issn.2095-0160.2018.08.001 .
返回引文位置Google Scholar
百度学术
万方数据
Lin HT ， Wu XH . Accelerating the construction of artificial intelligence diagnostic platform based on ophthalmic imaging database[J]. Chin J Exp Ophthalmol， 2018，36(8)∶577－580. DOI： 10.3760/cma.j.issn.2095-0160.2018.08.001 .
Goto CitationGoogle Scholar
Baidu Scholar
Wanfang Data
[9]
Yu KH ， Healey E ， Leong TY ，et al. Medical artificial intelligence and human values[J]. N Engl J Med， 2024，390(20)∶1895－1904. DOI： 10.1056/NEJMra2214183 .
返回引文位置Google Scholar
百度学术
万方数据
[10]
Zabor EC ， Raval V ， Luo S ，et al. A prediction model to discriminate small choroidal melanoma from choroidal nevus[J]. Ocul Oncol Pathol， 2022，8(1)∶71－78. DOI： 10.1159/000521541 .
返回引文位置Google Scholar
百度学术
万方数据
[11]
Luo J ， Chen Y ， Yang Y ，et al. Prognosis prediction of uveal melanoma after plaque brachytherapy based on ultrasound with machine learning[J/OL]. Front Med (Lausanne)， 2021，8∶777142[2024－07－10]. https://pubmed.ncbi.nlm.nih.gov/35127747/. DOI： 10.3389/fmed.2021.777142 .
返回引文位置Google Scholar
百度学术
万方数据
[12]
Chen YN ， Wang YN ， Chen MX ，et al. Machine learning models for outcome prediction of Chinese uveal melanoma patients：a 15-year follow-up study[J]. Cancer Commun (Lond)， 2022，42(3)∶273－276. DOI： 10.1002/cac2.12253 .
返回引文位置Google Scholar
百度学术
万方数据
[13]
Indini A ， Di Guardo L ， Cimminiello C ，et al. Artificial intelligence estimates the importance of baseline factors in predicting response to anti-PD1 in metastatic melanoma[J]. Am J Clin Oncol， 2019，42(8)∶643－648. DOI： 10.1097/COC.0000000000000566 .
返回引文位置Google Scholar
百度学术
万方数据
[14]
Sun M ， Zhou W ， Qi X ，et al. Prediction of BAP1 expression in uveal melanoma using densely-connected deep classification networks[J/OL]. Cancers (Basel)， 2019，11(10)∶1579[2024－07－10]. https://pubmed.ncbi.nlm.nih.gov/31623293/. DOI： 10.3390/cancers11101579 .
返回引文位置Google Scholar
百度学术
万方数据
[15]
Sabazade S ， Lumia Michalski MA ， Bartoszek J ，et al. Development and validation of a deep learning algorithm for differentiation of choroidal nevi from small melanoma in fundus photographs[J/OL]. Ophthalmol Sci， 2024，5(1)∶100613[2024－11－12]. https://pubmed.ncbi.nlm.nih.gov/39421390/. DOI： 10.1016/j.xops.2024.100613 .
返回引文位置Google Scholar
百度学术
万方数据
[16]
Zhang H ， Kalirai H ， Acha-Sagredo A ，et al. Piloting a deep learning model for predicting nuclear BAP1 immunohistochemical expression of uveal melanoma from hematoxylin-and-eosin sections[J/OL]. Transl Vis Sci Technol， 2020，9(2)∶50[2024－07－11]. https:// pubmed.ncbi.nlm.nih.gov/32953248/ . DOI： 10.1167/tvst.9.2.50 .
返回引文位置Google Scholar
百度学术
万方数据
[17]
Bera K ， Braman N ， Gupta A ，et al. Predicting cancer outcomes with radiomics and artificial intelligence in radiology[J]. Nat Rev Clin Oncol， 2022，19(2)∶132－146. DOI： 10.1038/s41571-021-00560-7 .
返回引文位置Google Scholar
百度学术
万方数据
[18]
于颖彦．人工智能在病理学研究与应用的进展[J]. 中华病理学杂志， 2020，49(5)∶393－396. DOI： 10.3760/cma.j.cn112151-20190924-00525 .
返回引文位置Google Scholar
百度学术
万方数据
Yu YY . Progress of artificial intelligence on pathological research and u tilization [J]. Chin J Pathol， 2020，49(5)∶393－396. DOI： 10.3760/cma.j.cn112151-20190924-00525 .
Goto CitationGoogle Scholar
Baidu Scholar
Wanfang Data
[19]
Rantala ES ， Hernberg MM ， Piperno-Neumann S ，et al. Metastatic uveal melanoma：the final frontier[J/OL]. Prog Retin Eye Res， 2022，90∶101041[2024－07－11]. https://pubmed.ncbi.nlm.nih.gov/34999237/. DOI： 10.1016/j.preteyeres.2022.101041 .
返回引文位置Google Scholar
百度学术
万方数据
[20]
Su Y ， Xu X ， Zuo P ，et al. Value of MR-based radiomics in differentiating uveal melanoma from other intraocular masses in adults[J/OL]. Eur J Radiol， 2020，131∶109268[2024－07－11]. https://pubmed.ncbi.nlm.nih.gov/32947090/. DOI： 10.1016/j.ejrad.2020.109268 .
返回引文位置Google Scholar
百度学术
万方数据
[21]
Fionda B ， Pagliara MM ， Chyrek AJ ，et al. Ocular brachytherapy (interventional radiotherapy)：preserving the vision[J/OL]. Clin Oncol (R Coll Radiol)， 2023，35(8)∶e445－e452[2024－07－11]. https://pubmed.ncbi.nlm.nih.gov/36792447/. DOI： 10.1016/j.clon.2023.01.021 .
返回引文位置Google Scholar
百度学术
万方数据
[22]
Li Y ， Shi J ， Yang J ，et al. Uveal melanoma：progress in molecular biology and therapeutics[J/OL]. Ther Adv Med Oncol， 2020，12∶ 1758835920 965852 [2024－07－12]. https://pubmed.ncbi.nlm.nih.gov/33149769/. DOI： 10.1177/1758835920965852 .
返回引文位置Google Scholar
百度学术
万方数据
[23]
Fu Y ， Xiao W ， Mao Y ．Recent advances and challenges in uveal melanoma immunotherapy[J/OL]. Cancers (Basel)， 2022，14(13)∶3094[2024－07－12]. https://pubmed.ncbi.nlm.nih.gov/35804863/. DOI： 10.3390/cancers14133094 .
返回引文位置Google Scholar
百度学术
万方数据
[24]
Zhou X ， Meng F ， Xu B ，et al. STING promotes invasion and migration of uveal melanoma through p38-MAPK signaling[J/OL]. Oncol Rep， 2024，51(2)∶23[2024－07－12]. https://pubmed.ncbi.nlm.nih.gov/38099424/. DOI： 10.3892/or.2023.8682 .
返回引文位置Google Scholar
百度学术
万方数据
[25]
Chi H ， Peng G ， Yang J ，et al. Machine learning to construct sphingolipid metabolism genes signature to characterize the immune landscape and prognosis of patients with uveal melanoma[J/OL]. Front Endocrinol (Lausanne)， 2022，13∶1056310[2024－07－12]. https://pubmed.ncbi.nlm.nih.gov/36568076/. DOI： 10.3389/fendo.2022.1056310 .
返回引文位置Google Scholar
百度学术
万方数据
[26]
Kaliki S ， Shields CL ， Shields JA . Uveal melanoma：estimating prognosis[J]. Indian J Ophthalmol， 2015，63(2)∶93－102. DOI： 10.4103/0301-4738.154367 .
返回引文位置Google Scholar
百度学术
万方数据
[27]
Berus T ， Markiewicz A ， Biecek P ，et al. Clinical significance of nucleoli cytomorphology assessment in patients with uveal melanoma[J]. Anticancer Res， 2020，40(6)∶3505－3512. DOI： 10.21873/anticanres.14338 .
返回引文位置Google Scholar
百度学术
万方数据
[28]
Figueiredo CR ， Kalirai H ， Sacco JJ ，et al. Loss of BAP1 expression is associated with an immunosuppressive microenvironment in uveal melanoma，with implications for immunotherapy development[J]. J Pathol， 2020，250(4)∶420－439. DOI： 10.1002/path.5384 .
返回引文位置Google Scholar
百度学术
万方数据
[29]
Donizy P ， Krzyzinski M ， Markiewicz A ，et al. Machine learning models demonstrate that clinicopathologic variables are comparable to gene expression prognostic signature in predicting survival in uveal melanoma[J]. Eur J Cancer， 2022，174∶251－260. DOI： 10.1016/j.ejca.2022.07.031 .
返回引文位置Google Scholar
百度学术
万方数据
[30]
李彬，张旭．重视对葡萄膜黑色素瘤侵袭转移机制的研究[J]. 中华实验眼科杂志， 2012，30(9)∶769－773. DOI： 10.3760/cma.j.issn.2095-0160.2012.09.001 .
返回引文位置Google Scholar
百度学术
万方数据
Li B ， Zhang X ．Attach importance to the study on mechanism of invasion and metastasis of uveal melanoma[J]. Chin J Exp Ophthalmol， 2012，30(9)∶769－773. DOI： 10.3760/cma.j.issn.2095-0160.2012.09.001 .
Goto CitationGoogle Scholar
Baidu Scholar
Wanfang Data
[31]
Vaquero-Garcia J ， Lalonde E ， Ewens KG ，et al. PRiMeUM：a model for predicting risk of metastasis in uveal melanoma[J]. Invest Ophthalmol Vis Sci， 2017，58(10)∶4096－4105. DOI： 10.1167/iovs.17-22255 .
返回引文位置Google Scholar
百度学术
万方数据
[32]
Onken MD ， Worley LA ， Char DH ，et al. Collaborative Ocular Oncology Group report number 1：prospective validation of a multi-gene prognostic assay in uveal melanoma[J]. Ophthalmology， 2012，119(8)∶1596－1603. DOI： 10.1016/j.ophtha.2012.02.017 .
返回引文位置Google Scholar
百度学术
万方数据
[33]
Liu T ， Chen H ， Gomez C ，et al. Direct gene expression profile prediction for uveal melanoma from digital cytopathology images via deep learning and salient image region identification[J/OL]. Ophthalmol Sci， 2023，3(1)∶100240[2024－07－13]. https://pubmed.ncbi.nlm.nih.gov/36561353/. DOI： 10.1016/j.xops.2022.100240 .
返回引文位置Google Scholar
百度学术
万方数据
[34]
Negretti GS ， Bayasi F ， Goldstein S ，et al. Association of Fitzpatrick Skin Type with metastatic risk from uveal melanoma in 854 consecutive patients at a single center[J]. Eye (Lond)， 2024，38(3)∶565－571. DOI： 10.1038/s41433-023-02735-1 .
返回引文位置Google Scholar
百度学术
万方数据
[35]
Luo J ， Zhang C ， Yang Y ，et al. Characteristics，treatments，and survival of uveal melanoma：a comparison between Chinese and American cohorts[J/OL]. Cancers (Basel)， 2022，14(16)∶3960[2024－07－13]. https://pubmed.ncbi.nlm.nih.gov/36010953/. DOI： 10.3390/cancers14163960 .
返回引文位置Google Scholar
百度学术
万方数据
[36]
Oakden-Rayner L ， Dunnmon J ， Carneiro G ，et al. Hidden stratification causes clinically meaningful failures in machine learning for medical imaging[J]. Proc ACM Conf Health Inference Learn (2020)， 2020，2020∶151－159. DOI： 10.1145/3368555.3384468 .
返回引文位置Google Scholar
百度学术
万方数据
[37]
Neupane R ， Gaudana R ， Boddu S ．Imaging techniques in the diagnosis and management of ocular tumors：prospects and challenges[J/OL]. AAPS J， 2018，20(6)∶97[2024－07－13]. https://pubmed.ncbi.nlm.nih.gov/30187172/. DOI： 10.1208/s12248-018-0259-9 .
返回引文位置Google Scholar
百度学术
万方数据
[38]
Shields CL ， Lim LS ， Dalvin LA ，et al. Small choroidal melanoma：detection with multimodal imaging and management with plaque radiotherapy or AU-011 nanoparticle therapy[J]. Curr Opin Ophthalmol， 2019，30(3)∶206－214. DOI： 10.1097/ICU.0000000000000560 .
返回引文位置Google Scholar
百度学术
万方数据
[39]
Gunasekeran DV ， Zheng F ， Lim G ，et al. Acceptance and perception of artificial intelligence usability in eye care (APPRAISE) for ophthalmologists：a multinational perspective[J/OL]. Front Med (Lausanne)， 2022，9∶875242[2024－07－14]. https://pubmed.ncbi.nlm.nih.gov/36314006/. DOI： 10.3389/fmed.2022.875242 .
返回引文位置Google Scholar
百度学术
万方数据
[40]
Cioffi GM ， Pinilla-Echeverri N ， Sheth T ，et al. Does artificial intelligence enhance physician interpretation of optical coherence tomography：insights from eye tracking[J/OL]. Front Cardiovasc Med， 2023，10∶1283338[2024－07－14]. https://pubmed.ncbi.nlm.nih.gov/38144364/. DOI： 10.3389/fcvm.2023.1283338 .
返回引文位置Google Scholar
百度学术
万方数据
[41]
Pettit RW ， Fullem R ， Cheng C ，et al. Artificial intelligence，machine learning，and deep learning for clinical outcome prediction[J]. Emerg Top Life Sci， 2021，5(6)∶729－745. DOI： 10.1042/ETLS20210246 .
返回引文位置Google Scholar
百度学术
万方数据
[42]
Gallée L ， Kniesel H ， Ropinski T ，et al. Artificial intelligence in radiology - beyond the black box[J]. Rofo， 2023，195(9)∶797－803. DOI： 10.1055/a-2076-6736 .
返回引文位置Google Scholar
百度学术
万方数据
[43]
Tan TF ， Thirunavukarasu AJ ， Jin L ，et al. Artificial intelligence and digital health in global eye health：opportunities and challenges[J/OL]. Lancet Glob Health， 2023，11(9)∶e1432－e1443[2024－07－14]. https://pubmed.ncbi.nlm.nih.gov/37591589/. DOI： 10.1016/S2214-109X(23)00323-6 .
返回引文位置Google Scholar
百度学术
万方数据
备注信息
A
李永平，Email： mocdef.nabuyila1691ilgnipgnoy
B
所有作者均声明不存在利益冲突
评论 （0条）
注册
登录
时间排序
暂无评论，发表第一条评论抢沙发
最新推荐
更多
人工智能在医学中面临的机遇与挑战
姚晨 等
数字医学与健康 2024,02(02)
人工智能在眼病筛查和诊断应用中的挑战与展望
刘陇黔 等
中华眼科杂志 2024,60(06)
医学影像人工智能发展趋势与挑战
刘士远
中华放射学杂志 2021,55(07)
人工智能在医学中的应用现状与展望
刘蓬然 等
中华医学杂志 2021,101(44)
MedAI助手（体验版）
文档即答
智问智答
机器翻译
回答内容由人工智能生成，我社无法保证其准确性和完整性，该生成内容不代表我们的态度或观点，仅供参考。
生成快照
文献快照

你好，我可以帮助您更好的了解本文，请向我提问您关注的问题。

0/2000

《中华医学会杂志社用户协议》 | 《隐私政策》

《SparkDesk 用户协议》 | 《SparkDesk 隐私政策》

网信算备340104764864601230055号 | 网信算备340104726288401230013号

技术支持：

历史对话
本文全部
还没有聊天记录
设置
模式
纯净模式沉浸模式
字号
小中大