关于人工智能:协和眼科牵头-5-家眼科中心同发力用-AI-助力-13-种眼底疾病检测

5次阅读

共计 4548 个字符，预计需要花费 12 分钟才能阅读完成。

眼睛方寸之间，疾病千差万别。去年底，由爱康团体与鹰瞳 Airdoc 联结公布的《四百万体检人群衰弱蓝皮书》显示，近年来眼底异样的总检出率连年回升，已从 2019-2020 年的 76.1%，回升至 2022-2023 年的 78.7%。眼底疾病的发病率继续攀升，已成为世界范畴内最常见的不可逆致盲因素。

因为眼科疾病的诊断高度依赖于图像识别，眼科业余非常适合深度学习等技术的利用。为了进一步开掘深度学习在眼底疾病诊断中的潜在价值，由北京协和医院眼科主任陈有信牵头、全国 5 家眼科核心（北京协和医院眼科、四川大学华西医院、河北医科大学第二医院、天津医科大学眼科医院、温州医科大学从属眼视光医院）与北京致远慧图科技有限公司、中国人民大学信息学院李锡荣传授单干，通过开发深度学习零碎 (DLS, deep learning system)，助力高级眼科医生的诊断一致性进步了约 12%，为 13 种次要眼底疾病的自动检测提供了一种新的办法。

本钻研通过前瞻性临床试验，旨在评估 DLS 在帮助高级眼科医生检测 13 种次要眼底疾病方面的诊断性能
采纳 DLS 后，高级眼科医师的诊断一致性进步了约 12%
DLS 应该可能检测到至多一种现有疾病，这与定义新指标的初衷统一

论文地址：
https://doi.org/10.1038/s41746-023-00991-9
关注公众号，后盾回复「DLS」获取残缺 PDF

相比此前钻研，本钻研收集了更多的黑白眼底摄影数据，将数据总量扩充到 81,395 张图像（训练集 77,181 张、验证集 1,087 张，测试集 3,127 张）。

DLS 由图像品质评估模型 (quality assessment model) 和诊断模型 (diagnostic model) 两局部组成，工作流程如下图所示：

DLS 的工作流程

图像品质评估模型是建设在 ResNet-34 CNN 之上的回归模型，通过输出单幅眼底图像，从图像品质评估模型动手，判断图像品质是否适宜诊断。如果适宜，诊断模型将生成诊断倡议；反之，零碎会收回警报，提醒图像品质不适宜诊断，但零碎无奈提供诊断倡议。

眼底疾病诊断模型是基于此前工作的扩大，以 CNN 模型 seResNext50 为次要构造。全连贯层设计有两个分支，用于确定是否存在疾病，以及存在哪些特定疾病。为了更好地稳固预测后果，该钻研训练了 3 个具备前期交融的并行 seResNext50 模型。

本钻研在北京协和医院、四川大学华西医院、河北医科大学第二医院、天津医科大学眼科医院、温州医科大学眼科医院 5 家三级医院发展。从 2020 年 8 月至 2021 年 1 月，共有 750 名参与者进行了前瞻性筛选，其中 748 人实现了所有手术。参与者均为年龄介于 18 至 75 岁的门诊病人，平均年龄为 51.7 岁，别离患有糖尿病 152 例 (20.3%)、高血压 216 例 (28.9%) 和高血脂 104 例 (13.9%)。其中，男性患者 324 例 (43.3%)。他们都曾到 5 家医院的任意一家承受眼底影像查看，均有残缺的医疗记录，并承受了全面的眼科查看。

钻研邀请到了 6 位眼科专家（至多工作 5 年的副教授）对图像进行标注，最终以他们独特探讨决定的诊断后果最为核定规范。此外，还有 9 名高级眼科医生（住院医师或年资少于 3 年的主治医师）承受了培训，并在钻研中浏览图像进行评估。

通过一周的洗脱期后，他们会再次对同一组图像进行标注，这些图像被随机从新排序并贴上 DLS 先前标注的标签，造成试验组。同时，每位高级眼科医生均被调配独立标注局部数据集，作为对照组。另外，所有入组眼底图像均经 DLS 标记为 DLS 组。

该钻研可齐全剖析的图像子集为 1,493 张，依据 6 名资深眼科医师的批注和探讨，其中 477 张 (32.0%) 眼底标记为失常。另有 1,016 张 (68.1%) 图像标记疾病，其中有 1,386 张 (92.8%) 仅标记一种疾病，78 张 (5.2%) 标记了两种疾病，29 张 (1.9%) 标记了 3 种疾病，共有 251 张 (16.8%) 的图像被标注为「其余异样」。

钻研流程及各组次要钻研指标后果

眼底图像由纯熟的技术人员用双眼（非）散瞳眼底相机拍摄，采纳规范操作程序，以确保后续标注和读取的图像品质。

入选和排除规范的参加患者和眼底图像

本钻研的疾病抉择是依据其风行水平和对视觉性能的威逼来决定，同时也思考到应用眼底图像进行筛查的临床后劲。最终，钻研抉择了 13 种具备规范诊断规范的次要眼底疾病，包含可转诊的糖尿病视网膜病变 (DR)、视网膜静脉阻塞 (RVO)、视网膜分支动脉阻塞 (RAO)、病理性远视、视网膜脱离 (RD)、原发性视网膜色素变性 (RP)、萎缩性和新生血管性老年黄斑变性 (AMD)、视网膜前膜 (ERM)、黄斑裂孔 (MH)、核心性浆液性脉络膜视网膜病变 (CSC)、疑似青光眼性视神经病变 (GON) 和视神经萎缩等。如果图像中蕴含其余疾病的征象，但不包含在所选的 13 种疾病中，则将其纳入「其余眼底异样」类别。

三组试验针对不同疾病诊断的敏感性、特异性及 F1 值

与对照组相比，高级眼科医生有 888 张 (59.4%) 图像的标注产生了扭转。其中 801 张 (53.5%) 图片依据 AI 的倡议进行了批改。尽管在某些状况下，高级眼科医生会依据 DLS 的倡议误将本来正确的诊断决定改为谬误标签，但其也的确从中失去了很多帮忙。

各类别医生扭转诊断决定的状况
蓝色是变更为错误诊断标签，红色是变更为正确标签

该钻研示意, 这是首次证实 DLS 能够帮忙高级眼科医生在多种重大眼底疾病的检测中显著进步诊断一致性的临床试验，同时也证实了高级眼科医生基于 DLS 辅助的多重眼底疾病筛查图像浏览模式是一种无效的临床办法。

在该钻研中，DLS 的总体疾病诊断敏感性和特异性别离达到 96.6% 和 81.8%，能够无效地发现特定的眼底疾病，发现眼底异样，并帮助患者转诊进行专门的考察和评估。此外，高特异性有助于缩小不必要的转诊和医疗费用。

该钻研设置了 3 个对照组，别离为 AI 辅助医生阅片组（试验组），医生独立阅片组（对照组）和 AI 阅片组（AI 组）。

结果显示，试验组、对照组和 AI 组诊断统一率别离为 84.9%、72.9% 和 85.5%，即在 AI 辅助下，低年资医师读图诊断能力可进步约 12%。在本钻研中，试验组和 DLS 组的诊断一致性类似，这表明独自应用 DLS 能够充分发挥作用。然而，让人类医生参加进来依然至关重要。只管基于人工智能的疾病筛查和辨认曾经被广泛应用于理论临床实践，但其也引入了误诊等相干危险。

此外，在本钻研中，试验组和对照组对眼底疾病的敏感性相当，且试验组显著优于对照组，特地是对包含疑似 GON、视神经萎缩、萎缩性 AMD、和 CSC 等疾病。这些结果表明，高级眼科医生可能辨别眼底异样与失常，但对特定疾病的诊断仍有缺失，这一缺点能够通过 DLS 辅助来解决，从而大大降低漏诊率，同时也缩小了高级眼科医生对眼底疾病诊断的专业化水平限度。

然而，对照组的诊断准确率 (60.5%) 高于试验组 (44.2%)。通过回顾标注，该钻研发现 DLS 偏向于为一张图像标注更多的标签，这将有助于缩小高级眼科医生的漏诊，但同时也会影响诊断的准确性。

此外，该钻研依然具备肯定的局限性。首先，只管数据集选定了眼底疾病的实在图像，但其中一些类别仅蕴含大量图像，这可能导致后果存在偏差，而且所有参与者均为中国汉族患者。在将来的工作中，还须要进一步扩充前瞻性数据集，丰盛患者的类型。

其次，本钻研抉择的一些疾病须要从视网膜四周区域开始收集，这超出了眼底图像的范畴。因而，DLS 在初始阶段无奈检测到它们。钻研采纳宽视场黑白眼底摄影，能够在肯定水平上解决这一问题。

第三，因为在 DLS 的帮忙下，高级眼科医生的诊断能力失去了很大的进步，该技术也能够作为用于教育目标利用场景，这也是一个有意义的课题，须要在今后的工作中进行更全面的考查和评估。

「北京协和医院有多牛？」——这是某中文社交媒体上沉闷的一个帖子，上面有数的跟帖用一个个常见病例论证着北京协和医院的医术高超。作为「西方的维也纳眼科核心」，协和医院眼科也长期沉闷在行业第一梯队，其现任现任科主任陈有信堪称是中国眼科发展史的见证者和创造者。

1993 年，初入眼科畛域的陈有信医师，作为张承芬传授的眼底病学博士来到协和医院。2001 年，远在美国留学的陈有信传授收到了来自过后中华医学会眼科学分会的主委赵家良传授的邮件，邮件中提到心愿他能早日回国帮忙筹备次年的第 8 届全国眼科学术大会。通过三思而行，陈有信最终提前终止学业，抉择回国搭建全国眼科年会这个起初帮忙了有数中国眼科医生关上视线的平台。

在眼底医学方面，陈有信传授深耕长远。1982 年，美国 Yannuzzi 传授在一场黄斑学会的会议上，首次报道并命名了一种眼底病：特发性脉络膜息肉样血管病变 (Polypoidal choroidal vasculopathy, PCV)。随着钻研的深刻，学者发现此病在亚洲人群中发病率最高，宏大人群基数也导致我国此病病患较多。2017 年，由陈有信传授发动的中国眼科界首个「PCV 钻研联盟」成立。

随后，陈有信传授牵头联合国内多家单位发展了 START 钻研，即康柏西普眼用注射液医治 PCV 的真实世界钻研。最终，由陈有信传授团队领衔的「息肉状脉络膜血管病变诊疗体系的建设及实践翻新」荣获 2022 年度华夏医学科技奖二等奖。

此外，本论文的第一作者李冰师从陈有信传授及北京协和医院眼科眼底病专家叶豪杰传授，目前任北京协和医院眼科住院医师，曾经作为第一作者发表 SCI 及中文外围期刊论文 10 余篇，屡次在全国眼科年会、全国眼底病会等学术会议作报告。

在 AI 辅助辨认眼底病方面，协和眼科走在时代最前沿。早在 2021 年，陈有信传授曾经通过人工智能胜利辨认了静脉阻塞、糖尿病病变、黄斑变性等多个病种，这个也取得了北京市重点课题的赞助 500 万元。

目前，协和医院眼科曾经发展了人工智能在眼科疾病筛查、医治预测、眼与全身病关联性、多模态和广角眼底病变及多病种病变辨认钻研，并且在很多基层场景失去了利用推广，为解决因医疗资源倒退不平衡导致的看病难看病贵的问题，提供了思路和解决办法。

在陈有信传授看来，所有的致力都是旨在把医疗资源下沉上来，为那些远离大城市的患者提供更好的诊治。借由人工智能等技术的倒退，陈有信传授的致力曾经初见成效，将来也将继续攻坚克难，在相干疾病的发病机制、发病法则、诊断及医治等方面继续施展人工智能的力量。

参考资料：
1.https://mp.weixin.qq.com/s/zctJN7Q7PYjsPypkStWcoA
2.https://mp.weixin.qq.com/s/LoXWmWVpYnrr1-vKBrpL6A
3.https://mp.weixin.qq.com/s/IFS5JWIyb_5mqfJccAQO2g
4.https://mp.weixin.qq.com/s/zxP9n_vGWNcH2rPW-dq37g
5.https://www.pumch.cn/detail/34540.html

正文完