医疗人工智能走到哪一步了?从眼科谈起

2017-03-22来源:中国南京网

人工智能系统AlphaGo已经在围棋领域证明了自己的能力,在语音识别、人脸识别、机器人、自动驾驶等领域同样取得了巨大的进展。那么,在医疗领域,人工智能究竟进展到什么程度了?

张大磊在这方面算是有发言权的人。他创立的Airdoc,正在探索将人工智能技术应用到医疗领域。

日前,在一场医疗行业会议上,张大磊以眼科为例,描述了人工智能在医疗领域所能发挥的价值,以及目前可以达到的具体效果。

眼科是医生稀缺非常典型的医院科室之一,尤其是近年来,眼科疾病病发率持续增高,但眼科医生却非常有限。我将以这个科室为例,讲讲人工智能怎么辅助医生的日常工作。

以糖尿病患者的视网膜病变为例,这是最常见的糖尿病并发症,发病率约为25%~38%,失明几率较非糖尿病患者高25倍并且不可逆,已经成为四大致盲眼病之一。目前全世界有数千万人患有这一疾病。

我国约有1.14亿糖尿病患者,当中很大一部分都有患糖尿病性视网膜病变的风险,所以一般糖尿病病人半年会做一次眼底筛查。

但一个窘迫的现状是,内分泌科医生在这个时候都需要借助眼科医生进行眼底病变会诊,退一步讲,即便内分泌科医生能从眼底图像中看出问题,按照法律规定也不能出眼科的诊断报告。而中国的眼科医生仅有3.6万余名,眼底专业医师就更少了,造成的结果是大多数糖尿病患者不能得到及时的眼底筛查。

这种情况下,人工智能的价值就凸显出来了。

针对糖尿病性视网膜病变,Airdoc做了很多人工智能的探索。我们花费大量时间从多家国内外顶级医院收集了数十万张眼底照片,构建超过100层卷积神经网络,能准确解析原始图像的高阶信息,单次迭代持续训练超过120小时,最终训练出了Airdoc糖尿病性视网膜病变辅助诊断模型,在灵敏性和特异性等主要指标上,获得了和人类医生相当的结果。

(说人话:机器经过很多的影像资料训练,高强度学习,最终高度模拟医生诊断,形成跟医生差不多的影像识别、判断能力。)

这样一来,内分泌科大夫可以利用Airdoc模型对糖尿病患者进行初次眼底筛查,可以快速地将有病变和无病变的患者区别出来,情况严重的,可直接转诊到眼科继续治疗。

斜视也是Airdoc重点关注的领域,经过长时间的数据收集和数据预处理,利用卷积神经网络设计了斜视识别网络,并且通过大量的数据验证模型,经过持续地调整模型的参数,以保证最终训练出的斜视模型在灵敏性和特异性的可靠性。

除了眼底病识别外,眼眶病领域人工智能识别取得了巨大的进展,眼眶病变的体征由于病变性质和部位不同,临床表现也错综复杂。Airdoc的产品可以自动获取眼部区域,并且自动检测角膜,可以准确识别炎症、肿瘤、外伤等病况,可以辅助眼科医生治疗眼眶疾病。

在可以预见的未来,通过深度学习算法的介入,人工智能可以提升资深医生的阅片效率,让其有更多精力投入到学术研究和疑难杂症处理;可以辅助年轻医生进行快速准确的诊断和筛查;也可以助力公共卫生机构及基层医疗机构的大面积疾病筛查。

当然眼科只是一个例子,目前人工智能技术已经可以在多个领域为医疗提供服务,比如:

1、医学影像识别,帮助医生更快更准地读取病人的影像所见;

2、临床诊断辅助系统等医疗服务,应用于早期筛查、诊断、康复、手术风险评估场景;

3、药物研发,解决药品研发周期长、成本高的问题。

早在2012年,在深度学习尚未进入爆发阶段时,Airdoc的研究人员已经意识到基于深度学习的人工智能图像识别能力,可以用在医学图像的识别和分析上。与传统的图像识别算法不同,识别医学图像需要算法具有极高的准确率和可靠性。

我们搭建了多个强大的深度神经网络,通过和顶级医院合作,在大量的医学图像上进行标注和持续迭代训练,使得深度神经网络可以不断从中学习,最终产出灵敏度和特异性与人类医学专家接近甚至持平的识别模型。类似的模式,还被Airdoc引用到了CT、MRI、X光、心电等领域。

在“十三五”规划以及《健康中国2030规划纲要》中,“医学诊断创新”、“智慧医疗”、“健康大数据”已成高频出现词汇。但这些概念究竟如何落到实际的行业中,解决行业的什么问题?我想,优质医疗资源的短缺应该是目前医疗行业最亟待解决的问题之一。

提高效率,在现有的医疗资源供求环境中挖掘“增量”,就是人工智能的重要使命。如何将顶尖医学专家的学识和诊断经验进行快速复制,训练成更多模拟专家诊断路径的“人工智能医学专家”,是摆在医疗机构管理者和科技企业家们面前的是的重要命题。