编者按：“AME作者面对面”专栏由编辑部精心挑选了发表在AME旗下杂志的优秀论著，诚邀作者总结亮点；“不期而会·作者面对面”系列则是从中邀请杰出的作者团队进行线上对话，引出背后的科研故事，进一步启发广大医学同行的学术思维，共促成长。

在AnnalsofTranslationalMedicine杂志（点击了解详情）中，中山大学中山眼科中心林浩添团队发表了“深度学习系统自动识别超广域眼底图像中的格子样变性和视网膜裂孔”的研究。编辑部诚邀文章第一作者李中文分享研究团队的科研思路，他们是如何一步步地在热爱的领域深耕、成长。

不期而会·李中文

AME：从大数据上看，孔源性视网膜脱离患者目前在我国呈现怎样的发展趋势？哪些人群有大规模筛查格子样变性和视网膜裂孔的必要性？

李中文：从大数据上看，目前孔源性视网膜脱离在我国的发病率约在17.9/人，由于我国高度近视人群患者增多、人口老龄化等问题，孔源性视网膜脱离的发病率也随之增长。格子样变性和视网膜裂孔是孔源洗视网膜脱离的前期病变。高度近视人群容易好发格子样变性和视网膜裂孔，而50岁以上老年人群在过去研究中提示是孔源性视网膜脱离的高发人群，所以对高度近视患者和50岁以上老年人群进行大规模筛查格子样变性和视网膜裂孔是非常有必要的。

AME：格子样变性和视网膜裂孔在临床筛查上有哪些难点？这项技术的应用和推广将在临床上有哪些重要意义？

李中文：格子样变性和视网膜裂孔常常发生在视网膜周边部，如果不散瞳，几乎观察不到，即使散瞳后，也需要经验丰富的眼底科医生，同时还需要患者进行一个眼位的配合才能检查得比较完全，整个过程耗时耗力。目前由于我国眼底病专科医生相对缺乏，所以人工散瞳全周眼底检查很难作为一个常规的眼科检查应用到大规模人群。我们的超广域眼底照相人工智能系统可以自动、快速、准确地筛查这类病变，通过早期筛查并处理，可有效避免格子样变性或视网膜裂孔所导致的视网膜脱离，减少因视网膜脱离导致的低视力甚至盲。

AME：这项技术要在临床上广泛应用目前还存在哪些亟待解决的问题？您的团队在这项研究上有哪些进一步的研究计划？

李中文：目前我们团队已完成了该系统的研发，并且已经完美地整合进超广域眼底照相机中，可以实时自动地筛查格子样变性和视网膜裂孔。我们团队最近利用深度学习扩增了可筛查的眼底病变，包括各类型视网膜脱离、视网膜出血、视网膜渗出、玻璃膜疣、青光眼等。此外，我们还专门研发超广域眼底照相的质量控制系统，可以实时对图片质量进行评估，实时提示操作者对低质量图片进行及时的重新拍摄。在这项研究上，我们正在进行一个多中心多民族的临床试验，以评估该系统在真实世界的有效性。

AME：为什么会选择投稿在ATM杂志？您是从什么渠道了解到ATM杂志的？在投稿过程中，ATM杂志给您留下了怎样的印象？

李中文：是导师推荐投的ATM杂志。ATM杂志审稿严谨，审稿速度相当快，并且是JCR分区二区的杂志。

AME：从投稿到正式发表，花了多长时间？中途是否有让您印象深刻的审稿意见？

李中文：从投稿到正式发表，一共花了两个半月的时间。审稿过程中reviewer认真审阅了我的全文，并给出了许多有建设性的修改意见，即使是微乎其微的错误，reviewer也做出了标注，这个给我留下了很深刻的印象。

编辑部精心挑选了发表在AME旗下杂志的优秀论著，诚邀作者总结亮点，文章内容如下。

所刊杂志：

AnnalsofTranslationalMedicine（点击查看杂志详情与影响因子）

文章标题：

深度学习系统自动识别超广域眼底图像中的格子样变性和视网膜裂孔（ADeepLearningSystemforIdentifyingLatticeDegenerationandRetinalBreaksUsingUltra-widefieldFundusImages）

内容亮点

本研究基于张（个患者）超广域眼底图像，首次利用4种不同的深度学习算法和3种不同的图片预处理方式，共1种方法分别识别孔源性视网膜脱离的前期病变：格子样变性和视网膜裂孔。获得的最佳模型的准确率达到99.1%，灵敏性达到98.7%，特异性达到99.%。在识别格子样变性和视网膜裂孔方面，该模型表现优于3年经验的眼科医生，并达到5年经验眼科医生的水平。模型的优异表现为后期大规模人群自动筛查格子样变性和视网膜裂孔提供了有力的保证，使得这类患者可以被早期发现并尽早处理，以避免视网膜脱离的发生造成患者视功能不可逆的损害。（论著中文信息由第一作者整理提供，欲览英文原文请扫描下方