發(fā)布日期：2017-02-10
人工智能是醫(yī)生的好幫手，這點(diǎn)大家都不陌生了。目前已經(jīng)出現(xiàn)了很多用于篩查和輔助決策的醫(yī)療機(jī)器人，比如說IBM的Watson，Deepmind的AIphaGo，二者均建立在大數(shù)據(jù)上。然而，對(duì)于罕見病來說，很難獲得高質(zhì)量的數(shù)據(jù)，這就引發(fā)一個(gè)問題：在罕見病的篩查和輔助診斷中能否應(yīng)用人工智能呢？
受到2015年谷歌DeepMind發(fā)表論文的啟發(fā)，中國(guó)中山大學(xué)中山眼科中心的80后眼科醫(yī)生林浩添和他的同事萌生出想要?jiǎng)?chuàng)建一個(gè)人工智能平臺(tái)來挖掘他們?cè)谙忍煨园變?nèi)障的臨床數(shù)據(jù)，進(jìn)而達(dá)到篩查和輔助診斷的目的。他們聯(lián)合西安電子科技大學(xué)劉西洋教授利用ILSVRC 2014（ImageNet Large Scale Visual Recognition Challenge of 2014）的冠軍模型來建立識(shí)別先天性白內(nèi)障的深度學(xué)習(xí)模型（該模型被認(rèn)為在圖像識(shí)別領(lǐng)域占主導(dǎo)地位，可用于訓(xùn)練和分類），取名為CC-Cruiser。本次研究成果于2017年1月30日發(fā)表在Nature Biomedical Engineering期刊上【2】。
林浩添
之所以選擇先天性白內(nèi)障（congenital cataract）作為本次研究對(duì)象，因?yàn)檫@種疾病會(huì)導(dǎo)致失明和視力損傷，多在出生前后即已存在，或在兒童期內(nèi)罹患，在我國(guó)發(fā)病率為0.05%。此外，它作為一種典型的罕見病，集合慢性和急性疾病的特點(diǎn)，適合測(cè)試案例。
訓(xùn)練CC-Cruiser的圖片集，研究者采用了來自中國(guó)衛(wèi)生部?jī)和變?nèi)障計(jì)劃（CCPMOH）例行檢查的一部分圖片，包括410幅不同嚴(yán)重程度的先天性白內(nèi)障兒童患者的眼部圖像，476幅正常兒童眼睛圖像。所有圖片均由兩名有經(jīng)驗(yàn)的眼科醫(yī)師獨(dú)立地進(jìn)行分類和描述，第三名眼科醫(yī)師對(duì)分歧案例提供咨詢。這三名人類醫(yī)師是沒有接觸過CC-Cruiser的。
完成訓(xùn)練后，CC-Cruiser基本具備三個(gè)功能：
篩查患有先天性白內(nèi)障的患者 對(duì)患者進(jìn)行危險(xiǎn)評(píng)估，評(píng)估主要有三個(gè)指標(biāo)：晶狀體的不透明面積、深淺和位置 協(xié)助眼科醫(yī)師進(jìn)行治療決策
研究者對(duì)CC-Cruiser進(jìn)行了5次測(cè)試。在計(jì)算機(jī)模擬測(cè)試中，CC-Cruiser篩查先天性白內(nèi)障患者的準(zhǔn)確率為98.87%。在危險(xiǎn)評(píng)估功能中，三個(gè)指標(biāo)（不透明面積、深淺和位置）判斷的準(zhǔn)確率為93.98%, 95.06% 和95.12%。在輔助決策，給眼科醫(yī)師提供建議的準(zhǔn)確率為97.56%。
為了進(jìn)一步探討CC-Cruiser的通用性和實(shí)用性，研究者選擇三家非眼科的醫(yī)院進(jìn)行測(cè)試，兩家醫(yī)院在廣州市，一家在清遠(yuǎn)市。因?yàn)檠芯空呦Ｍ鸆C-Cruiser最終幫助的對(duì)象就是這些缺乏現(xiàn)場(chǎng)眼科醫(yī)生的醫(yī)院。在57幅兒童眼部圖片中，篩查的準(zhǔn)確率為98.25%。危險(xiǎn)評(píng)估的三項(xiàng)指標(biāo)（面積、深淺、位置）的準(zhǔn)確率分別100%, 92.86% 和 100%。輔助決策的準(zhǔn)確率為92.86%。
圖為CC-Cruiser與人類醫(yī)師的比較測(cè)試
在和人類眼科醫(yī)師的比較測(cè)試中，CC-Cruiser表現(xiàn)也非常出色。專家小組包括3名眼科醫(yī)師，一名擁有十年經(jīng)驗(yàn)的眼科專家、一名已經(jīng)完成眼科臨床培訓(xùn)和具體培訓(xùn)的主管醫(yī)生，以及一名完成理論學(xué)習(xí)并開始臨床實(shí)踐的新手醫(yī)生。在50例圖像中，CC-Cruiser找出了所有先天性白內(nèi)障患者。而三名眼科醫(yī)師在第3例圖片上都犯了錯(cuò)誤——誤將圖片的高光區(qū)域診斷為先天性白內(nèi)障。在危險(xiǎn)評(píng)估和輔助決策中，CC-Cruiser表現(xiàn)也不錯(cuò)，對(duì)所有需要進(jìn)行手術(shù)的患者都給予了正確的治療建議。因此，研究者認(rèn)為CC-Cruiser可以稱得上是一個(gè)“合格的眼科醫(yī)生”。
然而，光當(dāng)個(gè)“合格醫(yī)生”可不夠。目前中國(guó)的罕見病管理比較落后，主要是費(fèi)用貴，地域比較分散，患者難以享受到專業(yè)高質(zhì)量的護(hù)理。中國(guó)人口眾多，罕見病管理往往存在漏診或誤診以及不當(dāng)?shù)闹委煕Q策等問題，這可和一直倡導(dǎo)的“精準(zhǔn)治療”目標(biāo)相距甚遠(yuǎn)。為此，研究者將CC-Cruiser搬到了“云”上，用于先天性白內(nèi)障的醫(yī)療服務(wù)管理。
研究者建立了CC-Cruiser的網(wǎng)站(https://www.cc-cruiser.com/version1)，與面向醫(yī)院的Watson機(jī)器人不同，普通用戶通過注冊(cè)也能接入這個(gè)網(wǎng)站。進(jìn)入網(wǎng)站后用戶可以上傳自己的眼部圖片，網(wǎng)站會(huì)立馬給出診斷，診斷結(jié)果包括：是否有病、面積大小、深淺、位置、治療建議（手術(shù)還是隨訪）。同時(shí)，網(wǎng)站對(duì)那些想要測(cè)試CC-Cruiser程序的用戶提供了50例典型案例提供下載，這些案例覆蓋了大部分的臨床情況，正常情況，不需要進(jìn)行手術(shù)的白內(nèi)障，不同嚴(yán)重程度的透明度、應(yīng)接受緊急干預(yù)高危病例。
CC-Cruiser的網(wǎng)站的界面（奇點(diǎn)糕用樣本測(cè)試后的結(jié)果）
經(jīng)過用戶同意后，用戶的臨床信息（目前為圖像）和人口信息會(huì)上傳到網(wǎng)站，保存到數(shù)據(jù)庫(kù)中。如果CC-Cruiser建議患者進(jìn)行手術(shù)，那么立馬會(huì)通知CCPMOH的醫(yī)生進(jìn)行進(jìn)一步的確認(rèn)。為了防止誤診和漏診，每周CCPMOH的醫(yī)生會(huì)檢查所有上傳的案例，包括CC-Cruiser判斷為正常和患病的案例。之后，患者可以和醫(yī)生進(jìn)行溝通，網(wǎng)站提供電子郵件和日間電話服務(wù)，以此確認(rèn)是否需要進(jìn)行手術(shù)。
懷著一顆好奇心，奇點(diǎn)糕進(jìn)入CC-Cruiser網(wǎng)站后，首先用手機(jī)照了一張自己眼睛的圖片，結(jié)果為沒病，很安心！然后用網(wǎng)站中樣本測(cè)試中的圖片，結(jié)果為有病。又在網(wǎng)上找了一張先天性白內(nèi)障患者的眼部圖片，結(jié)果為有病。緊接著，因?yàn)榫W(wǎng)站對(duì)圖片格式?jīng)]有要求，奇點(diǎn)糕腦洞大開地把這篇文章的封面圖片拿去測(cè)試了一下，結(jié)果還是有病。最后，奇點(diǎn)糕隨便找了一張?bào)H唇不對(duì)馬嘴的圖片，就是下面這張圖片，結(jié)果仍然有病……看來研究者需要對(duì)網(wǎng)站上傳的圖片格式有所要求。
林浩添在接受IEEE Spectrum的采訪中表示，醫(yī)生應(yīng)該充分利用人工智能的建議來防止?jié)撛诘腻e(cuò)誤和補(bǔ)充自己的判斷，但同時(shí)，對(duì)于治療來說，醫(yī)生和患者之間的互動(dòng)交流是必不可少的，對(duì)于機(jī)器來說，想要模仿人的情感是非常具有挑戰(zhàn)性的。醫(yī)生和患者之間的互動(dòng)將是人類智慧的最后一個(gè)堡壘。
該研究團(tuán)隊(duì)希望，在進(jìn)一步的臨床試驗(yàn)中，非眼科醫(yī)院的醫(yī)生可以使用該程序來篩查患者并將患者送到專業(yè)的醫(yī)療中心?；颊咦罱K也可以利用它。正如AI不僅可以理解為Artificial Intelligence，也可以理解為Augmented Intelligence，即擴(kuò)增智慧。林浩添認(rèn)為，人工智能的最終目標(biāo)是利用它，與人的能力相結(jié)合，創(chuàng)造一個(gè)更美好的世界。
參考文獻(xiàn)：
【1】http://spectrum.ieee.org/the-human-os/biomedical/diagnostics/ophthalmologists-vs-ai-its-a-tie
【2】Erping Long, Haotian Lin, Zhenzhen Liu,Xiaohang Wu, Liming Wang, Jiewei Jiang, Yingying An, Zhuoling Lin, Xiaoyan Li,Jingjing Chen, Jing Li, Qianzhong Cao, Dongni Wang, Xiyang Liu, Weirong Chen& Yizhi Liu.An artificial intelligence platform for the multihospitalcollaborative management of congenital cataracts. Nature Biomedical Engineering[J]doi:10.1038/s41551-016-0024
來源：奇點(diǎn)網(wǎng)
