经过广泛深度“学习”，人工智能眼科专家“CARE”能够一次过精准筛查十四种眼病，专业水准和稳定性媲美人类的眼科专家！
在国家重点研发计划等项目的支持下，中山大学中山眼科中心林浩添教授团队牵头联合医疗人工智能领域领军企业鹰瞳Airdoc、广东省医疗器械质量监督检验所等国内外18家医疗、企业和科研机构，完成了全球首个眼科多病种人工智能真实世界研究，探索人工智能医疗器械产品临床应用前的评估和监管策略，研究成果于7月26日发表于国际顶级期刊《柳叶刀-数字健康》（The Lancet Digital Health，中科院一区，影响因子24.519）。据悉，项目团队已经拥有系列技术专利且获得国家药品监督管理局颁发的第一个眼科人工智能软件Ⅲ类医疗器械产品注册证。
可识别14种常见眼病 总体准确率达95%
近年来，医学人工智能研究开始进入临床实践阶段，但由于真实世界环境复杂，容易出现部分现场眼底图片无法识别、临床准确性下降、过于依赖网络等情况，医学人工智能在临床上的转化应用效果并不理想。
该项目团队通过使用来源于三级医院、社区医院和健康服务机构等具有不同疾病特征人群的医疗机构超过26万张多种场景和设备来源的眼底彩照，训练出可以识别14种常见眼底异常的眼底疾病综合性智能诊断专家CARE。
“通过多标签深度学习网络，CARE能在识别多种眼底异常的同时关联各疾病特征之间的关系，更容易发现病症，其能力范围覆盖14种眼底常见病种，大大减少漏诊率，减少计算资源损耗，独立运行的特性还能逐步摆脱医疗系统对网络的依赖。”项目负责人、中山大学中山眼科中心副主任林浩添教授介绍，CARE可识别正常眼底图像和14种常见眼底病变，包括糖尿病视网膜病变、高血压眼底表现、青光眼视神经病变、病理性近视眼底改变等，诊断的总体准确率从92.1%提升至95.2%，并在全国35家不同级别的医疗机构对CARE模型进行临床真实环境验证。
其中，糖尿病视网膜病变识别模块更是获得了国家药品监督管理局颁发的第一个眼科人工智能软件Ⅲ类医疗器械产品注册证，为我国人工智能医疗器械的评估和监管提供了可行的参考方案。
学习了26万张真实眼底照片 Care“出师”后表现惊艳
为了突破疾病智能诊断模型性能和稳定性进一步提升的瓶颈，需要在医疗机构、科研机构、企业以及政府监管部门的多方协作下，使用大量具有代表性的数据进行模型训练，并开展大规模多中心临床真实世界研究。据介绍，此项目共纳入51家医疗机构、涵盖不同疾病特征的眼底彩照超过26万张，其中模型训练的数据来源于全国16家不同级别的代表性医疗机构，35家前瞻性临床真实世界验证机构分布在全国28个省市，包括8家三级医院、6家社区医院和21家健康服务机构。多机构协作的临床真实世界研究不仅使CARE模型的性能得到了全面提升，而且首次打通了从临床问题发现、智能筛诊模型的研发到临床应用的医、研、产、管全链条协作模式。
该项目还设计了一系列临床测试，来验证CARE的性能和稳定性。包括将CARE系统的表现与16位来自不同地区不同年资的眼科医师进行比较，使用非中国人种和模型训练未涉及的照相机型号获取的眼底彩照对CARE系统进行测试。此外，项目团队首次使用胶片相机拍摄的眼底图像的电子扫描版对CARE进行测试。结果表明，CARE系统在临床真实世界验证中表现出稳健的疾病识别能力。
研究团队还使用了网上公开的图片，比如非中国人种的眼底图片等，对“CARE”模型进行测试。林浩添表示，以后中国的医疗援外不但是外派医护人员，还有望进行技术输出，帮助提升当地的眼科疾病诊断准确率。
对于医疗资源相对不集中的地区，医学人工智能的需求与适用性又如何呢？内蒙古巴彦淖尔市残联眼科医院张宏院长对研究成果表示肯定。
“以内蒙古为例，该地区海拔高、饮食结构以大鱼大肉、高油高盐为主，糖尿病视网膜病变及高血压患者较多。而当地的医疗水平比较落后，医疗资源紧缺。在这样的环境下，我们更需要医学人工智能的帮助。”他表示，人工智能诊疗应用在基层医院，能够减少患者外出就医的费用和时间，大大提高诊断率，减少漏诊率，基层医院的医生和患者都能获益。
CARE系统的面世标识着医学人工智能又向前迈进一步，未来人工智能不仅可以在医疗资源集中的地区为医生减负，还能在医疗资源缺乏的地区代替专家问诊，更好地服务基层群众。那么人工智能会取代医生吗？林浩添认为，未来医学人工智能可以作为诊断助手，帮助医生完成80%的基础工作，而医生可以专注于20%的疑难杂症或者技术优化，提升医生的工作价值。
接下来，研究团队还将推动“CARE”模型的落地产品，希望能够将产品推广到基层医院，让更多眼科患者实现疾病早发现、早治疗。
文/广州日报新花城记者周洁莹
通讯员邰梦云
广州日报新花城编辑伍仞
