一眼万年:AI眼底筛查为什么能够成为AI医疗中的“落地之王”

脑极体 2019-07-09

原标题:一眼万年:AI眼底筛查为什么能够成为AI医疗中的“落地之王”

在AI医疗产业中,医疗影像一直是一个相对热门的领域。通过深度学习算法对医疗影像数据的和分析建立模型,实现对医疗影像的智能分析。现在每年的计算机视觉学术论坛中,都有关于各种疾病的影像数据分析比赛,并且在诸如肿瘤、心血管疾病等等大量领域中,AI的阅片准确度、速度,都已经超过了人类。

但在一系列AI医疗影像项目中,AI眼底影像一直是一个很特别的存在。相比其他项目,AI眼底筛查软件的落地速度之迅猛,超过了很多人的想象。像DeepMind联合伦敦Moorfields眼科医院合作推出的AI眼底筛查技术,能够实现在30秒之内识别出数种疾病,被称作DeepMind首个有望商业化的AI项目;而百度也曾高调向基层医院捐赠数百台AI眼底筛查一体机,让技术以打包形式直接落地到应用场景中;AI医疗创业公司体素科技的“VoxelCloud-Retina眼底全病种筛查解决方案”目前在全国超过130家MMC(国家标准化代谢性疾病管理中心) 落地。这种普及效率和速度,被成为“落地之王”也不为过。

今天我们要讨论的问题,就是AI眼底筛查究竟是如何从实验室走进现实,在未来又会呈现出何种走向?

从眼底到身体,我们为什么需要更高效的眼底筛查?

通过眼底影像检查,可以对大量眼底疾病进行辅助判断。既能反映糖尿病视网膜病变、青光眼、老年黄斑等一系列眼底疾病,同时还能反映高血压、糖尿病等慢性病的病变和累积。

可是对于眼底影像检查的普及程度,却与这一技术的价值并不匹配。

其中原因在于两方面,其一是眼底疾病病灶微小、不同病灶间区分度低,目前全国范围内拥有阅片能力的医生相对较少。同时在大多数医院的体系架构中,眼底筛查被归类于眼科,而眼科医生很难对于糖网病、高血压等内科、内分泌科等等疾病进行追踪式的诊疗,但离开眼科后,其他科室的医生又很难具备眼底影像阅片能力。

另外,根据《2017年中国卫生和计划生育统计年鉴》获悉,中国有4亿左右慢性眼病患者,而只有3.6万名眼科医生,门诊量超过1.1亿,住院患者超过450万。患有糖尿病视网膜病变的患者往往无法及时获知病情,因此早筛早治是慢病管理的关键,但现今医疗资源无法满足需求,导致许多病人到晚期才能发现治疗,但往往为时已晚,为国家医保带来巨大的不必要负担,严重影响该人群的劳动能力。

在医疗资源日益紧张的情况下,如果能够高效利用起眼底筛查的能力,既可以帮助患者及时发现病情,也能辅助慢性疾病管理更加高效,让更多人享受到高效的医疗体验。

体素科技就是在这样的矛盾中发现了机会。

“AI医师”的养成计划:眼底筛查是如何智能化的?

体素科技的眼科产品总监在采访时提到,体素科技和很多AI医疗创业企业一样,发现了眼底筛查这一技术的价值,同时市场上存在着一些公开的眼底影像数据集,可供企业在其中进行分析和挖掘。

具体来说,AI眼底筛查的实现过程是通过专业医学知识对数据进行标注,挖掘训练出疾病分类网络,构成针对于不同病灶的分类模型和疾病识别模式。但问题在于,当大家都面对着同样的公开数据集时,又该如何从技术上构建差异化优势呢?

体素科技在一开始对AI眼底影像项目进行研发时,身边基本没有企业在做这个研究,到2017年开始陆续有很多创业公司也开始研发这个项目,但从去年年底开始,体素科技的AI眼底筛查项目逐渐落地时,却发现很多当初的同行者却已经离开市场。

提及这其中的原因,体素科技眼科产品总监告诉了我们若干细节。

首先,体素科技自主扩大了眼底图像数据的获取范围。除了应用公开数据集之外,体素科技在不断尝试落地的过程中,还在不断的扩大着数据获取范围。尤其作为横跨上海和洛杉矶的跨国创业企业,让体素科技可以接触到不同人种的丰富眼底数据,增强模型的精准度和广泛适用性。

而在其他企业专注于单病种(糖网病)研发时,体素科技已经开始做全病种的研发。一般眼科医生拿到患者的眼底照片后,经过阅片基本能判断病患有哪些病症,因此AI技术要真正能辅助医生临床,必须具备全病种阅片能力。一直以来体素科技源源不断的增加着关于眼底图像的数据标注,以病灶位置、病灶类型等不同,归类为数十上百种疾病组合。这实现了从一个全病种分布平衡的数据上,进行多任务模型的训练。目前体素科技的AI眼底筛查软件除了可以识别糖尿病视网膜病变、糖尿病黄斑水肿、青光眼、白内障、老年黄斑变性等病灶特征,还可识别包括微血管瘤,视网膜内出血,硬性渗出, 棉絮斑,视网膜外出血,新生血管,激光斑,玻璃膜疣,玻璃体混浊等十余种病灶病变。体素科技的全病种体系极大的扩展了AI眼底筛查的应用范围,毕竟很多患者在去医院检查时,可能并不知道自己患有的是什么疾病,如果AI眼底筛查技术能够尽可能的包揽多病种筛查,无疑也提升了就诊效率。

同时在落地过程中体素科技发现,由于眼底照片的拍摄属于人为操作,其中会存有很多不确定性,例如光线的强与弱,不同眼底照相设备的图像质量等等,都有可能造成AI判断不准甚至彻底失灵的可能。总的来说,还是算法模型的鲁棒性差,对于应用环境的要求较高。发现这一问题后,体素科技一边训练质量控制模型来对模型进行泛化,一边加强了不同设备拍摄数据的收集,进而不断的提升模型在落地时的应对能力。

其中体素科技眼科产品总监还提到了很有趣的一点:很多创业企业在做AI眼底筛查项目时,往往专注于提升算法模型在单一数据集中的准确率。而体素科技则更关心算法在现实场景中的表现,不断发现问题和解决问题。

如此一来产生的结果,就是专注单一数据集表现的AI算法会有些“高分低能”,在落地时表现差,自然会被市场淘汰。而体素科技在第三方测试中敏感度高达97%,并在三个月内连续获得红杉资本领投的数千万美元投资与腾讯的 1 亿元投资,并在2018年9月又获得了弘泰资本5000万美元投资。

打破象限:AI眼底筛查带来的健康公平

从资本的密集关注,也能侧面看出AI眼底筛查所体现出的落地价值。

从体素科技打造“AI医师”的故事中我们可以发现,AI眼底筛查的一个重要特征,就是为很多疾病打开了智能化诊断的大门。例如高血压、糖尿病等慢性病,又或者是青光眼这一类在初期很难被察觉到的眼科疾病,在此前都很难以通过类型的医疗影像进行诊疗和跟踪管理,而无法通过医疗影像进行管理,也就意味着无法通过计算机视觉能力提升效率。

但随着AI眼底筛查对眼底筛查影响数据的不断挖掘利用,与更多病种关联起来,就意味着打破眼底筛查只应用于眼科的原有象限,让这种疾病筛查方法的能力范围不断扩张,赋能高血压、糖尿病等基数巨大的慢性疾病的诊疗。

AI眼底筛查除了自身能力强大之外,在落地上也更加快捷。像眼底筛查一体机这种形式,能够让操作者快速上手,不仅能够交由眼科以外其他科室应用,一些非三甲的基层医院、社区医院,即使没有高度专业的相关医疗人才,也可以通过AI眼底筛查技术辅助诊疗。作为首家接入MMC的眼底筛查AI技术提供方,体素科技上线不到1年,就为130家MMC中心筛查糖尿病患者超过28000人次,月筛查量超过4000人次,阳性比例33%,帮助MMC更好地管理了糖尿病患者的眼底并发症,大大提高了糖尿病视网膜病变(简称糖网)的早期筛查率,从而也将很大程度提升糖网病患者的治疗效果,减少糖网对于视力的损害。

如此一来AI眼底筛查不仅打破了医疗资源有限带来的效率限制,更打破了医疗资源分布带来的就医困难,降低了病患的就医成本。很多身处三四线城市、乡镇的患者,不需要来到北上广的大医院,直接可以在一体机上享受便利的眼底疾病筛查。因为整个过程快速便捷,患者也可以提高检查频率,对于自己的慢性病进行管理。因此而带来的健康公平,也是很多其他AI医疗影像技术所企及的。中国工程院院士、上海交通大学医学院分会会长宁光也非常肯定体素科技的AI眼底筛查技术。体素科技带来的不仅仅是基层医疗诊断分析能力的扩容,同时也极大的提升了人民生活质量和老年劳动能力,其中的潜在社会价值,同样也十分可贵。

这也是为什么,体素科技能够在以经济寒潮著称的2018年再次获得数千万美金的融资。“健康中国”战略提出到2030年,要打造出16万亿元规模的健康管理产业。在实现这一目标的过程中,自然少不了AI眼底筛查这样降低慢性病管理成本的关键技术。

将对于眼底筛查技术的研究,投射到整个健康事业的建设中,除去经济效应,背后的公益效应也是不能忽视的。所谓一眼万年,今天AI对于眼底筛查数据的积累挖掘和技术落地推动,正在改变着未来人们管理自身健康状况的方式。

(免责声明:此文内容为第三方自媒体作者发布的观察或评论性文章,所有文字和图片版权归作者所有,且仅代表作者个人观点,与极客网无关。文章仅供读者参考,并请自行核实相关内容。投诉邮箱:editor@fromgeek.com)

  • 脑极体
    邮箱:caoceng@fromgeek.com
    写让你脑洞大开且能看懂的人工智能、流媒体、海外科技
    分享本文到