角膜盲症是全球失明的第五大原因，其主要是由角膜炎引起的，常常影响到边缘化人群。角膜盲症给人们带来的负担是巨大的，特别是与白内障和青光眼等其他致盲原因相比，角膜盲症往往在相对较小的年龄影响到个人。

早期发现并及时进行角膜炎的医疗干预可以阻止和制止疾病的发展，达到更好的预后，提高视力，甚至保护眼睛的完整性。否则，角膜炎会随着时间的推移迅速恶化，有可能导致永久性视力丧失，甚至角膜穿孔。

诊断角膜炎通常需要熟练的眼科医生通过裂隙灯显微镜或裂隙灯图像检查患者的角膜。然而，尽管全世界有超过20万名眼科医生，但在发展中国家和发达国家，目前和不远的未来，眼科医生的数量都存在一定的短缺。这种需求和供应之间不断扩大的差距会影响角膜炎的及时发现，特别是在偏远和医疗服务不足的地区。

近期人工智能（AI）的最新进展，特别是深度学习，已经显示出基于临床图像检测一些常见疾病的巨大前景。最近，来自温州医科大学的研究人员开发了一个深度学习系统，基于6567张裂隙灯图像，对角膜炎、其他角膜异常和正常角膜进行自动分类。该系统在不同类型的数码裂隙灯相机和具有超微距模式的智能手机拍摄的角膜图像中表现出显著的性能（所有AUCs>0.96）。

深度学习算法在宁波眼科医院的内部测试数据集中的表现

此外，在该系统和有经验的角膜专家之间，可以观察到角膜炎检测的灵敏度和特异性相当。因此，这个系统有可能同时应用于数字裂隙灯相机和智能手机拍摄的图像，促进角膜炎的早期诊断和治疗，防止角膜炎造成的角膜失明。

原始出处：

Zhongwen Li et al. Preventing corneal blindness caused by keratitis using artificial intelligence. Nature Communications (2021).