7月31日，记者从中山大学中山眼科中心获悉，该中心副主任林浩添教授团队牵头联合医疗人工智能企业鹰瞳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。
近日，该团队研究成果“Application of Comprehensive Artificial intelligence Retinal Expert (CARE) system: a national real-world evidence study”在国际顶级期刊《柳叶刀—数字健康》（The Lancet Digital Health）在线发表。该研究项目推出的眼科多病种人工智能可以筛查14种常见眼科疾病，平均准确率在95%以上。
研究成果在国际顶级期刊《柳叶刀-数字健康》（The Lancet Digital Health）在线发表
“这项研究的重点，可以分解为：眼科多病种、人工智能、真实世界。”林浩添介绍，此前，该研究团队的糖尿病视网膜病变识别模块，已经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，可以在临床使用。但是，不少患者有两种或以上的疾病，能不能拍一次眼底照片，就可以筛查多个眼科疾病？
此项研究的创新点之一，眼底疾病综合性智能诊断专家——“CARE”模型，是眼科多病种筛查的关键。
作为一个医学人工智能AI，“CARE”模型是由大量照片和标签“训练”出来的：研究项目共纳入51家医疗机构的26万张眼底彩照，不但来源于三级医院、社区医院和健康服务机构等具有不同疾病特征人群，还涵盖了多种场景和设备来源。在算法上，“CARE”由单标签升级为多标签深度学习网络，即将多种疾病的标签和特征信息置于同一个神经网络训练。
单标签和多标签深度学习网络示意图
“多标签深度学习网络，不但可以识别多种眼底异常，还能同时关联各疾病特征之间的关系。” 中山大学中山眼科中心林铎儒博士介绍，“CARE”模型既减少了模型运行对计算资源的依赖，也将诊断的总体准确率从92.1%提升至95.2%。
在真实世界里，“CARE”的准确率高吗？与人类相比如何？研究团队在全国35家不同级别的医疗机构，对“CARE”模型进行了临床真实环境验证。林浩添介绍，“CARE”模型可以识别14种常见眼底异常，包括糖尿病视网膜病变、高血压眼底病变、病理性近视眼底、视网膜脱离等疾病，模型的平均准确率为96.8%。研究团队还进行了一次“人机对弈”，将“CARE”模型的表现与16位来自不同地区不同年资的眼科医师进行比较。“人机对弈”结果发现，不同眼科医生对眼底病变识别灵敏度差异大，特别是基层年轻医生，人类医师的准确度范围在50%至92.9%之间。相比之下，“CARE”模型的表现则“稳”字当头，准确率高而且稳定。
“在基层医院，我们发现不少患者会拿着以前用胶片相机拍摄的眼底图片来看病，有的还用手机翻拍胶片图片拿给医生看。”林浩添说，结合临床实际和需要，研究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”模型进行测试。虽然胶片图片和翻拍的清晰度不高，但“CARE”模型平均准确率也能够达到83.7%以上，在临床真实世界验证中表现出稳健的疾病识别能力。
中山大学中山眼科中心副主任林浩添教授
值得留意的是，研究团队还使用了网上公开的图片，使用非中国人种的眼底图片对“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。此外，这次研究还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。林浩添认为，医、研、企、政等多领域多单位联合攻关，是自主研发和应用前沿医疗技术的重要基础。
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。下一步，研究团队将推动“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。
【记者】朱晓枫
【通讯员】邰梦云
【作者】 朱晓枫
广东健康头条