导语：本文详细分析了AI技术，尤其是深度学习算法，在提高TAO管理的效率、准确性和可靠性方面的潜力。通过自动检测眼部影像中的病变、量化眼部结构变化，以及预测疾病活动，AI不仅提升了诊断的精确性，还为个性化治疗提供了新策略。

甲状腺相关眼病（Thyroid-Associated Ophthalmopathy, TAO）的诊断和治疗一直是内分泌领域的重要挑战。尽管眼部影像学检查和甲状腺功能相关抗体的评估在诊断中发挥了关键作用，但由于临床表现的多样性和患者对检查的个体响应差异，这些方法的准确性受到限制，且对于早期TAO的识别仍存在困难。为了提高诊断精度和早期识别，研究人员正在探索使用人工智能（AI）技术，特别是深度学习算法，以辅助TAO的诊断和治疗。

2024年4月，《Frontiers in Endocrinology》杂志发表的一篇题为《Advances in artificial intelligence in thyroid-associated ophthalmopathy》的综述，探讨了AI技术，特别是深度学习（DL）在TAO诊断、分期、分级和治疗决策中的应用和进展，包括自动识别眼部影像中的病变、量化眼部结构变化以及预测疾病，并评估了AI技术在提高TAO管理效率、准确性和可靠性方面的潜力。

AI在TAO诊断中的革新性应用

在TAO的诊断过程中，AI技术尤其是深度学习（DL）网络的应用，为提高诊断的精确性和效率带来了革新。例如，通过深度学习算法对眼部进行自动检测和分割，能够实现对眼睑特征的精确测量，这一方法的相关系数高达0.932至0.980，显著优于传统手动测量方法。此外，AI技术在自动测量眼球突出程度方面的应用，也展现了极高的准确性和效率，相关系数达到0.9902，且分析速度极快，每张图像的分析时间不到一秒。

AI技术在TAO分期中的精准作用

AI技术在TAO的分期中同样发挥了重要作用。通过机器学习支持的系统，可以从患者面部图像中评估临床活动评分（CAS）症状，并预测疾病的活动阶段。Moon等人开发的系统展现了0.881的敏感性和0.869的特异性，而Lin等人基于CNN的深度学习系统则以0.86的准确度区分TAO的活跃期和非活跃期。这些研究表明，AI技术能够提供更为精准和一致的分期结果，减少人为误差。

AI辅助的TAO分级与管理

AI在TAO的分级和管理中也显示出巨大潜力。Lee等人开发的神经网络模型，利用眼眶CT图像对TAO的严重程度进行评估，该模型能够准确区分中度至重度TAO患者与对照组，表现出与专业医生相当的诊断能力。此外，AI技术还能够分析大量的临床图像和医疗记录，辅助医生制定更为精确的治疗决策。

AI在TAO治疗决策中的价值

AI技术在TAO治疗决策中的应用，为个性化医疗提供了新的可能性。Wang等人提出的预测模型能够识别出不太可能从静脉皮质类固醇脉冲治疗中受益的Graves眼病患者，从而帮助医生避免无效治疗并减少并发症的风险。此外，AI系统还能够分析患者的临床症状、疾病进展和治疗反应，为医生提供个性化的治疗建议。

AI技术面临的挑战与展望

尽管AI在TAO管理中展现出巨大潜力，但作者也指出了当前面临的挑战，包括TAO作为眼病的复杂性、高成本和稀缺性的数据获取、以及DL模型在不同患者群体中的泛化难题。作者强调，为了克服这些挑战，需要建立合作网络，汇集多样化的数据集，并注重数据标准化和质量控制。此外，采用先进的算法如迁移学习，并结合多重临床变量构建复杂模型技术至关重要。文章还提出，将AI作为辅助工具以增强而非取代医生的决策过程，强调AI在增强人类判断中的作用。

总结

本综述展示了AI，尤其是深度学习技术，在甲状腺相关眼病（TAO）的诊断、分期、分级和治疗决策中的重要价值。AI技术通过其卓越的数据处理能力和高度的准确性，为TAO的临床管理提供了新的视角和工具。特别是在MRI影像分析中，AI技术的应用不仅提高了诊断的精确度，而且通过预测治疗反应和疾病进展，使得患者的治疗方案可以更加个性化和精准。此外，AI在患者自我管理中的作用，如通过智能设备集成实现的实时健康监测和反馈，标志着医疗服务向以患者为中心的模式转变。这一转变对于提高患者生活质量、减少医疗成本和提升医疗服务效率具有重要意义。

参考文献：Yi C, Niu G, Zhang Y, et al. Advances in artificial intelligence in thyroid-associated ophthalmopathy[J]. Front Endocrinol (Lausanne). 2024, 15:1356055. doi: 10.3389/fendo.2024.1356055

编辑：连翘

二审：清扬

三审：碧泉

排版：半夏