“AI醫生”診斷效果堪比眼科專家 中山眼科中心的這項研究讓醫學人工智能更接地氣

隨著科技的不斷進步，越來越多的人工智能應用在我們的生活中，那么當醫學和人工智能相融合，我們又能得到怎樣的醫療體驗呢？

中山大學中山眼科中心的一項研究揭開了醫學人工智能的面紗，林浩添教授團隊別出心裁的將醫學數據轉化成可以拼插組合的“樂高”模塊，研發出一套新型的醫學人工智能系統，并成功實現了人工智能進行跨學科、多病種應用。目前，團隊已與數十家醫院建立合作，加快推進醫學人工智能“樂高”計劃的跨學科應用。

Visionome技術可應用多種臨床場景

Visionome技術作為醫學人工智能“樂高”計劃的首個研發成果，它是一種基于解剖學和病理學特征對醫學圖像進行密集標注的方法，由林浩添教授、劉奕志教授與西安電子科技大學劉西洋教授帶領團隊經過5年鉆研合作共同研發完成。

林浩添教授表示，基于Visionome技術，團隊訓練出可準確識別多種眼前段病變的裂隙燈圖像智能評估系統，可應用于大規模篩查、綜合分診、專家級評估、多路徑診療建議等多個臨床場景。不僅在回顧性數據集中表現出眼科專家級別的診斷水平，在前瞻性數據集中也表現出色。與傳統圖片級分類標注方法相比，Visionome技術可多產生12倍標簽，而這些標簽訓練出來的算法顯示了更好的診斷性能。

目前，Visionome技術的相關研究成果已發表于《自然》雜志的子刊《自然生物醫學工程》（Nature Biomedical Engineering，IF=17.135），并進入臨床轉化應用。

Nature Biomedical Engineering在線發表的文章首頁

2020年6月23日，林浩添教授、劉奕志教授和劉西洋教授及其團隊面向媒體發布了這一重磅研發成果

全面測評Visionome系統診斷能力 準確率媲美眼科專家

研發期間，團隊將1772張包含角膜炎、胬肉等感染、環境、年齡相關性疾病的眼前段圖像，按照14種解剖結構進行區域分割，對于6種病變部位按照54種病理性特征進行密集標注，最終得到了13，404個解剖結構標簽和8，329個病理特征標簽。團隊還使用傳統標注方法生成標注數據集進行算法訓練和對比，結果顯示Visionome數據集訓練的算法具有顯著更高的診斷準確率。

團隊使用Visionome數據集，進一步研發了可針對多種眼前段疾病，進行多區域識別和分類的裂隙燈圖像智能評估系統。驗證該系統可完成4項臨床任務：

1）大規模篩查，即對眼前段圖像進行正常/異常判斷，準確率高達98.54%；

2）綜合分診，即定位眼前段圖像病變所在解剖部位，平均準確率為93.75%；

3）專家級評估，即針對特定解剖部位描述多項病理體征，準確率均在為79.47%以上；

4）多路徑診療建議，即綜合上訴診斷結果及患者自報告的癥狀等信息，進行診療方案建議。上述模型準確率均在外部驗證中達到了眼科專家水平。

此外，為進一步了解該系統的學習能力，團隊還使用了20種系統未學過的眼病進行測試，包括眼科十大急癥及其他復雜眼病如圓錐角膜，虹膜囊腫，視網膜母細胞瘤等，系統在大規模篩查場景中達到了84.00%的準確率。說明Visionome在密集分割的同時讓算法得到了舉一反三的診斷能力，具有跨專科識別多病種的潛力。

推動成果轉化應用 讓醫學人工智能更接地氣

談及人工智能，大家首先聯想到的就是復雜的高科技，但其實Visionome系統的診斷應用并不復雜。使用者只需要在Visionome診斷系統中上傳眼前段圖像，即能一次獲得多個部位的全方位診斷，與傳統的人工智能算法相比，Visionome系統可生成更加全面、精細、具體的報告，而這整個過程大約只需等待30秒。

科技的研發最終要服務于實際應用，為了驗證人工智能在現實世界臨床中的應用效果，團隊進一步設計了前瞻性臨床試驗，在中山眼科中心和越秀區社區衛生服務中心進行，使用大量真實世界臨床數據，對裂隙燈圖像智能評估系統分別進行了評測。結果顯示，該系統能出色完成4項臨床任務。調查問卷顯示，患者愿意在家和診所使用這個系統，該系統能加深他們對于疾病的理解，緩解就醫心理壓力。

家庭醫生在線（www.zpeb.net）原創內容，未經授權不得轉載，違者必究，內容合作請聯系：020-37617238