粵陜合作研究“AI醫(yī)生” 1分鐘內可診斷多種眼表疾病
粵陜合作研究“AI醫(yī)生” 邰夢云攝
拍下一張眼表圖，1分鐘內可診斷出病灶，并診斷多種眼表疾病。中山大學中山眼科中心23日稱，該中心教授林浩添、教授劉奕志和西安電子科技大學教授劉西洋等組成研究團隊，5年合作共同研發(fā)新的圖像智能評估系統(tǒng)，可應用于大規(guī)模篩查、綜合分診、專家級評估等多個臨床場景。該研究成果發(fā)表于《自然》雜志的子刊《自然生物醫(yī)學工程》。
當天，記者體驗上述智能系統(tǒng)的問診過程，操作人員通過裂隙燈拍照后，圖片實時上傳到系統(tǒng)。1分鐘內，檢測結果顯示在屏幕上。如果眼睛有病變，智能系統(tǒng)還會顯示出病變的位置，給予診斷建議，像一位“AI醫(yī)生”。
上述智能系統(tǒng)基于醫(yī)學圖像密集標注技術Visionome。該技術是一種基于解剖學和病理學特征對醫(yī)學圖像進行密集標注的方法。與傳統(tǒng)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更好的診斷性能。
基于此技術，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(tǒng)，可應用于大規(guī)模篩查、綜合分診等多個臨床場景。
林浩添介紹，醫(yī)學生在學習過程中，會基于少量精密解剖圖和病理圖，不斷加深對解剖學、生理學和病理學等學科的學習，但對于人工智能來說，圖像標注是所有人工智能算法感知世界的基礎。
團隊決定利用類似DNA序列分割的原理對醫(yī)學圖像進行分割：建立Visionome密集標注標準流程，組織25人專家標注團隊將1772張包含角膜炎、胬肉等感染、環(huán)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(qū)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13404個解剖結構標簽和8329個病理特征標簽。
目前，Visionome可完成4項臨床任務。其中，對于大規(guī)模篩查，即對眼前段圖像進行正常/異常判斷，它的準確率高達98.54%。
林浩添說，目前研究成果已進入臨床應用轉化階段，下一步，希望能夠以區(qū)塊鏈技術優(yōu)勢與醫(yī)療健康數據傳輸共享技術相結合作為切入點，推動健康數據共享。
信息時報訊（記者 黃艷 通訊員 邰夢云）拍下一張眼表圖，即可診斷出病灶，并初步判斷超過五種的眼表疾病。據了解，由中山大學中山眼科中心林浩添教授、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(fā)的醫(yī)學圖像密集標注技術Visionome可準確識別多種眼前段病變的裂隙燈圖像智能評估系統(tǒng)，可應用于大規(guī)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。最新研究成果“Dense anatomical annotation of slit-lamp images improves the performance of deep learning for the diagnosis of ophthalmic disorders”于2020年6月22日發(fā)表于《自然》雜志的子刊《自然生物醫(yī)學工程》（Nature Biomedical Engineering，IF=17.135），并進入臨床轉化應用。
首創(chuàng)醫(yī)學圖像密集標注技術Visionome
據了解，目前國內醫(yī)學人工智能發(fā)展仍面臨優(yōu)質數據提取困難、現(xiàn)有數據標注方法效率低等一系列問題，同時許多疾病患病率低，不同學科數據特征迥異，導致現(xiàn)有人工智能算法通常難以應對跨學科場景。如何利用一流醫(yī)療人才團隊與海量循證醫(yī)療數據的優(yōu)勢，突破僵局，建立中國特色的醫(yī)學人工智能發(fā)展模式？中山大學中山眼科中心林浩添教授提出了醫(yī)學人工智能“樂高”計劃，以標準化數據標注模式、提高數據標注效率、建立醫(yī)療數據區(qū)塊鏈等作為切入點，進行戰(zhàn)略部署。該計劃通過將醫(yī)學數據轉化成可以拼插組合的“樂高”模塊，打通不同疾病學科的數據異質性壁壘。作為醫(yī)學人工智能“樂高”（Visionome技術）計劃的首個研發(fā)成果，Visionome技術成功實現(xiàn)了人工智能進行跨學科、多病種應用，證明了醫(yī)學人工智能“樂高”計劃的高度可行性。目前，團隊已與數十家醫(yī)院建立合作，加快推進醫(yī)學人工智能“樂高”計劃的跨學科應用。
林浩添介紹，具體來說，醫(yī)學圖像密集標注技術Visionome是一種基于解剖學和病理學特征對醫(yī)學圖像進行密集標注的方法。與傳統(tǒng)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。基于此技術，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(tǒng)，可應用于大規(guī)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(xiàn)出眼科專家級別的診斷水平，在前瞻性數據集中也表現(xiàn)出色。最新研究成果“Dense anatomical annotation of slit-lamp images improves the performance of deep learning for the diagnosis of ophthalmic disorders”于2020年6月22日發(fā)表于《自然》雜志的子刊《自然生物醫(yī)學工程》（Nature Biomedical Engineering，IF=17.135），并進入臨床轉化應用。
4項臨床任務準確率達到了眼科專家水平
團隊使用Visionome數據集，進一步研發(fā)了可針對多種眼前段疾病，進行多區(qū)域識別和分類的裂隙燈圖像智能評估系統(tǒng)。該系統(tǒng)可完成4項臨床任務：包括大規(guī)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%；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%；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；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。
林浩添介紹，通俗來說，對于應用在病人身上，只要在眼科拍攝一張圖片采集數據，即可立刻診斷出病灶，初步排查出超過5種眼表疾病。
此外，評估系統(tǒng)還具備舉一反三的診斷能力。據介紹，團隊同時使用了20種系統(tǒng)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(tǒng)在大規(guī)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。
推動成果轉化讓人工系智能成為接地氣的“醫(yī)生”
使用者通過在Visionome診斷系統(tǒng)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(tǒng)的人工智能算法相比，Visionome系統(tǒng)可生成更加全面、精細、具體的報告，真正讓醫(yī)學人工智能應用揭開神秘的面紗，成為一個接地氣的“醫(yī)生”。據介紹這不僅為罕見病學科等數據難以積累的醫(yī)學人工智能應用打開了突破口，同時也進一步為人工智能算法層面跨病種應用打通了壁壘。
目前，團隊已與萬靈幫橋醫(yī)療器械（廣州）有限責任公司合作將該研究成果投入臨床應用轉化階段。未來雙方將以院企合作的形式，在促進高新技術成果孵化、培育與產業(yè)化落地等方面開展持續(xù)深入合作，積極助力醫(yī)學AI產業(yè)化發(fā)展。
此外，由于醫(yī)療健康數據是患者的生物密碼，數據隱私與數據安全尤為重要，因此傳統(tǒng)的醫(yī)療健康數據囿于技術限制，僅能分散下沉于各個醫(yī)院，形成數據孤島。醫(yī)療信息的傳遞、共享和數據安全是下一戰(zhàn)略布局面臨的首要問題。目前，團隊以區(qū)塊鏈技術優(yōu)勢與醫(yī)療健康數據傳輸共享技術相結合作為切入點，基于區(qū)塊鏈開放共識、不可篡改、易于追溯等特點，進行醫(yī)療健康區(qū)塊鏈技術的戰(zhàn)略布局。
