该给眼底做个体检了——
只需要拍一张眼底彩照，交给AI医生，就能实时知道自己的眼睛有没有生病，过程不需要人类眼科医生的参与。
这并非夸张说法，如今已成为现实。
近日，《家庭医生》杂志记者获悉，全球首个眼科多病种人工智能真实世界研究成果正式发布。
该成果由中山大学中山眼科中心林浩添教授团队，联合国内外18家医疗、企业和科研机构共同完成。
“全球首个眼科多病种人工智能真实世界研究”，读起来有点复杂，其实并不难理解。
记住这三个关键词：眼科多病种、人工智能、真实世界。
什么意思呢？
中山大学中山眼科中心副主任林浩添教授介绍道，眼科多病种，是相对单病种而言，“在真实世界里，很多人不是只生一个病，希望有一个技术把可能生的病都给筛查出来，多病种就很重要了。”
人工智能，是相对于人类医生而言，可以理解为“智能眼科医生”。
真实世界，则是相对于虚拟世界而言。真实世界往往是复杂的，人工智能在实验室里有多厉害都没用，真正要看的，是能不能在临床真实环境中发挥作用。
就像新冠疫苗一样，需要经过三期临床试验来证明有效性和安全性后，方可获批上市。
此项研究，便是评估眼科人工智能在临床真实世界的应用效果。
▲林浩添教授在介绍研究成果。（供图/中山大学中山眼科中心）
首先有个大前提，上述全部研究成果，皆是基于林浩添教授团队所研发的一项新技术——眼底疾病综合性智能诊断模型，简称“CARE”。
林浩添教授介绍道，目前，这一模型除了可识别正常的眼底图像外，还可识别14种常见的眼底病变，包括：
2种系统性疾病的眼部表现（糖尿病和高血压），以及12种眼底异常（青光眼视神经病变、病理性近视眼底改变、视网膜静脉阻塞、视网膜脱离、*斑裂孔、*斑水肿、中心性浆液性脉络膜视网膜病变、视网膜前膜、视网膜色素变性、大玻璃膜疣、*斑新生血管和地图状萎缩）
▲CARE模型是一个多标签深度学习网络。（供图/中山大学中山眼科中心）
它的准确度如何？
“模型的平均准确率为96.8%。”林浩添教授说道。
其中，诸如*斑裂孔、视网膜脱离、病理性近视眼底等眼底病变，准确率可高达99%。
怎么做到的？
林浩添教授介绍，项目团队收集了来自全国28个省市，51家不同级别的医疗机构，共26万张涵盖不同疾病特征的眼底彩照，最后创建了超30万个眼底病变标签，成为目前全球规模最大、设计最全面的眼底多病种识别人工智能临床真实世界研究。
什么概念？
很多眼底疾病患者，会合并其他眼底病变。而这一模型的存在，能最大程度做到不漏诊。
“传统的单病种模型，只会看一种病，比如只会看糖尿病视网膜病变，如果给它另外的眼底异常照片，就不会看了。但现在的技术出来后，所有病种都会看。”中山大学中山眼科中心眼底外科李永浩教授补充道。
与传统的其他人工智能模型相比，这个模型还有一大优势，对连接服务器网络的依赖低，在普通家用电脑就可以离线运行，适用于医疗资源稀缺和网络条件差的边远地区的眼底疾病筛查。
▲该团队研究成果已于7月27日在国际顶级期刊《柳叶刀-数字健康》在线发表。（供图/中山大学中山眼科中心）
尽管模型的诊断准确度高，但在真实世界里，能跟人类眼科医生相比吗？
为此，项目团队进行了一场“人机大战”，将CARE模型的眼底病变识别能力表现，分别与16位来自不同地区、具有不同年资的眼科医生进行对比。
结果还真有得一比。
林浩添教授表示，不同眼科医生对眼底病变的识别灵敏度差异较大，准确率范围在50%~92.9%之间。相比之下，CARE模型的表现则更加稳定。
目前，该模型的糖尿病视网膜病变识别模块，已获得国家药品监督管理局颁发的Ⅲ类医疗器械产品注册证，是我国获批的第一个眼科人工智能分析软件。
此外，医院，林浩添教授发现，很多患者会拿着以前用胶片相机拍摄的眼底照片，或者用手机翻拍胶片照片给医生看，很不清晰，也给医生的诊断带来的困难。
但这对于CARE模型来说，却并非难事，虽然识别能力有所下降，但平均准确率也不低，能达到80%以上，表现平稳。
林浩添教授项目团队还发现，这一模型不仅能识别中国人的眼底病变，还能准确识别非中国人的眼底病变。
在使用拉丁美洲人群的眼底照片对CARE模型测试时，结果显示，其准确度与中国人群相当。
▲CARE模型识别不同眼底病变的表现。（供图/中山大学中山眼科中心）
这是林浩添教授项目团队所期待的愿景。
不过，由于眼底病变往往很复杂，目前人工智能未必能完美诊断。最后一道确诊的关，还是需要由人类医生来把守。
项目团队的骨干成员林铎儒博士认为，未来，CARE模型可以在社区、大学、医院等筛查中起到辅助作用，提醒医生有关患者的眼底情况，提高医生的诊断效率，做到不漏诊，也提高诊断的准确性。”
“不期待人工智能能做完医生所有的事情，但希望能帮医生做好80%的事情，剩下的20%再由人类医生去做。”林浩添教授如是说。
通讯员邰梦云记者
文晓英预览时标签不可点收录于话题#个上一篇下一篇