简介：摘要目的研发针对常见眼病的智能问答系统，并调查和评估其在互联网医院平台的应用效果，为医疗服务模式和技术创新提供借鉴。方法利用自然语言处理技术研发常见眼病智能问答系统，通过对预先录入的结构化知识进行解析分词和关键词采集绑定等处理，经过搜索引擎为用户提供准确的问答内容。并通过功能、性能测试，完成互联网医院的部署。收集2020年2月1—29日期间使用常见眼病智能问答系统的数据资料，对患者的人口学信息、问诊时间、咨询疾病类别、咨询内容、服务评价等进行分析。结果在中山大学中山眼科中心互联网医院成功研发出具有智能导诊服务和眼病术后智能咨询模块的常见眼病智能问答系统，测试结果表明智能问答系统的可重复性为100.0%，准确性为99.8%，可24 h持续在线服务。2020年2月1—29日期间中山眼科中心互联网医院常见眼病智能问答系统总服务患者6 462人次，其中男3 082人次，占47.7%，女3 380人次，占52.3%。患者的平均年龄为32.3岁。1 135例患者使用了智能导诊服务，占17.6%，5 375例患者使用了眼病术后智能咨询模块，占82.4%。平均每日使用常见眼病智能问答系统的患者为223人次，最高每小时服务74人次。分别有25.6%(38/148)和36.4%(54/148)的患者对常见眼病智能问答系统的服务效率表示非常满意和比较满意；24.3%(36/148)和37.8%(56/148)的患者对常见眼病智能问答系统的服务质量分别表示非常满意和比较满意。结论常见眼病智能问答系统具有较高的可重复性和准确性。基于互联网医院平台的智能问答系统应用可满足患者24 h医疗咨询需求，降低医院交叉感染风险和医务人员的工作压力。

简介：摘要目的研发基于移动终端的视力智能检查和管理系统，并评估其实际临床应用效果。方法采用诊断试验研究方法，纳入2020年3月—5月在中山大学中山眼科中心就诊的儿童和青少年50例100眼，年龄3~14岁，平均(8.16±4.58)岁。使用JAVA及xcode11框架研发适用于Android及IOS平台的基于移动终端的视力智能检查和管理系统，采用实时测距、语音识别、手势识别等智能技术实现视力检查过程中的实时交互。所有受试者均接受双眼裸眼传统E字表视力检查和基于移动终端智能视力检查，2种方法配合眼数差异比较采用χ2检验，2种方法测定的LogMAR视力结果差异比较和一致性分析分别采用Wilcoxon符号秩检验和Kappa检验。结果成功研发适用于Android及IOS平台的基于移动终端的视力智能检查和管理系统，可检测的视力范围为0.1~1.5，视标大小和分辨率均达到视力检查表的国家标准，实现了3 m距离下准确的视力检查、智能交互、结果输出和自动建档功能。传统检查法和智能检查法测量配合眼数比例分别为99.0%(99/100)和98.0%(98/100)，二者比较差异无统计学意义(χ2＝0.338，P＝0.561)。传统检查法和智能检查法测定的LogMAR视力分别为0.3(0.2，0.5)和0.3(0.2，0.5)，二者比较差异无统计学意义(Z＝-1.602，P＝0.109)，2种检测方法测定LogMAR视力的一致性较好(Kappa系数＝0.885)。结论基于移动终端的视力智能检查和管理系统测定视力具有较好的准确性和可行性，可有效满足用户随时随地自测视力的需求，并可同步建立视觉健康档案，实现对视力情况的长期跟踪，在个性化眼健康管理新模式的发展中具有很好的应用价值。

简介：摘要本文于2020年2月20日预出版于中华眼科杂志官网。目前我国对2019新型冠状病毒疫情的防治工作正处于关键时期，延迟开学是减少校园内交叉感染、保护儿童和青少年身体健康、共同抗击疫情的重要举措。与此同时，远程教学模式的大规模开展导致儿童和青少年的学习模式和用眼习惯发生巨大转变，其对儿童和青少年视觉健康的潜在影响不容忽视。本文对线上学习相关眼健康问题和眼科疾病进行总结，并提出针对性的预防措施，为儿童和青少年在线上学习期间的视功能保护提供有效指导。（中华眼科杂志，2020，56：398-400）

简介：摘要目的构建并评估基于彩色眼底像和人工智能（AI）辅助筛查视神经炎（ON）及非动脉炎性前部缺血性视神经病变（NAION）的筛查诊断系统。方法诊断性试验研究。2016年至2020年于中山大学中山眼科中心检查确诊的NAION患者178例267只眼（NAION组）、ON患者204例346只眼（ON组），以及2018年至2020年经视力、眼压及光相干断层扫描（OCT）检查为眼底正常的健康者513名1 160只眼（正常对照组）共2 909张彩色眼底像作为筛查诊断系统的数据集，其中NAION组、ON组、正常对照组分别为730、805、1 374张。将正确标注后的彩色眼底像作为输入数据，选用EfficientNet-B0算法进行系统训练并验证，最终构建是否存在异常视盘、是否存在ON和是否存在NAION的3个筛查系统（二分法）。采用受试者工作特征（ROC）曲线、ROC下面积（AUC）、准确度、灵敏度、特异性和热力图作为诊断效能和科学性的判断指标。结果测试集中，诊断是否存在异常视盘、是否存在ON、是否存在NAION的AUC分别为0.967 [95%可信区间（CI）0.947~0.980]、0.964（95%CI 0.938~0.979）、0.979（95%CI 0.958~0.989），并且系统在决策过程中的激活区域主要位于视盘。结论基于彩色眼底像的异常视盘、ON和NAION筛查诊断系统具有准确高效的诊断性能。