深度解讀：如何構建開放的AI眼科醫療創新生態？
近年來，人工智能技術發展迅速，已經成為醫學領域研究的前沿熱點之一。其中，由于AI技術的便捷性和高效性使其在眼科疾病篩查、診療以及隨訪中表現出巨大的應用前景。
在眼科AI領域，中國的研究與世界一流水平并行。那么，我國人工智能技術的應用能夠為解決眼科醫療難題帶來什么價值？在構建眼科醫療AI生態系統中存在哪些挑戰？AI眼科醫療發展的趨勢是什么？
亞太青光眼學會理事、亞太眼科學院院士、中山眼科中心臨床研究中心主任張秀蘭教授對眼科AI領域的相關問題進行了深度解讀，期望能夠為關心醫療人工智能發展的讀者帶來啟示。
中國眼科醫療現狀
在西方發達國家，每百萬人口中平均有79名眼科醫師。我國目前有眼科醫生約3．5萬，平均每百萬人只有22名眼科醫生，而且不同地區、不同級別醫院間眼科醫師的水平差異極大。
此外，隨著老齡化，眼病患者不斷增多。眼科醫生培養周期非常漫長，至少需要7－12年才能成長為一名合格的眼科醫師。因此，光靠加大眼科醫師培養投入，難以滿足目前的眼病診療需求。
我國是盲和低視力人口最多的國家，眼病患者人數也是全球最多，這一類疾病給國家、社會和家庭帶來沉重的負擔。
以白內障為例，相關手術技術已非常成熟，我國每百萬人白內障手術例數已從1988年的83例，提升至2017年的2205例，但是距離歐美每百萬人口大于1萬例／年的數量還相差甚遠。
青光眼是我國首位不可逆致盲眼病，預計到2020年，我國將有2100萬的青光眼患者，產生近630萬盲人及超過1000萬的視覺殘障人士。大部分青光眼發病隱匿，我國至少90％的原發開角型青光眼和至少50％的原發性閉角型青光眼患者未被查出。
糖尿病視網膜病變是我國另一個嚴重的公共衛生問題，目前我國有1300萬糖尿病視網膜病變患者，而且農村地區糖尿病患者罹患糖尿病視網膜病變的風險高于城市患者。
糖尿病視網膜病變患者如果早期發現，通過激光手術就可以有效預防威脅視力并發癥的發生，但是我國的糖尿病患者很少進行視網膜病變的篩查。在廣東地區的調查顯示，43．2％的糖尿病患者從未進行過眼科檢查，在農村，這一數值更是達到81．1％。
AI技術應用為解決眼科醫療難題帶來價值
眼病診療的第一個痛點是眼病客觀診療需求尤其是篩查需求與眼科醫師數量的嚴重不匹配。
《我國糖尿病視網膜病變臨床診療指南（2014年）》要求糖尿病患者每年至少進行1次視網膜病變篩查，我國有超過1億名糖尿病患者，靠眼科醫師難以滿足巨大的篩查需求。由于眼科的專業性和專業人員的匱乏，診療覆蓋率及其有限，而人工智能和大量影像數據結合，可以參與到部分眼病，如糖尿病視網膜病變、白內障、青光眼、黃斑病變等篩查診斷中
從醫生的角度來看，人類能夠診治疾病是有限度的，很多疾病早期診斷是很困難的。以青光眼為例，根據一次門診，眼科醫生難以判斷青光眼患者目前是否是在進展；糖尿病視網膜病變患者接受抗VEGF治療，事先也無法判斷每一個患者治療后反應如何，需要多次隨訪綜合判斷。
人工智能技術可能在這方面能夠幫助眼科醫生及早判斷，助力醫生實現個體化診療。另外，人類雖然擁有靈巧的雙手，但精確度也存在極限，利用AI技術，開發眼科手術機器人輔助眼科手術，利用其高精度、高靈活性、穩定性的特點，使其與微創手術緊密結合，未來有望實現遠程眼科手術。目前，用于診斷和決策的AI是當下AI研究的熱點，AI手術機器人的發展尚不及診斷AI成熟。
總的來說，AI可以在以下五個方面幫助眼科醫生：
1． 通過與影像學相結合的機器學習技術在眼科中的應用，AI可以輔助醫生篩查，極大地提高了診療覆蓋率；通過篩查早期發現高危人群或者患病人群，提早治療。
2． AI能夠輔助臨床診斷，提高臨床工作中眼科疾病的診斷效率，減輕眼科醫生的負擔；這兩點是我們能在近期內是實現的，也是我們國家迫切需要的，能夠一定程度上幫助我們解決看病難、醫生少的問題，革新現有的疾病診療體系。
3． AI能夠拓展眼科醫師能力邊界，指導眼科醫師個體化治療和預測預后。當然，這一點的實現有賴于縱向數據集的建設。
4． 協助眼科醫師培養。比如，現在存在多種人工智能結合的模擬器用于住院醫師培訓；現有人工智能產品也可以幫助基層醫師對比他們的診斷，促進其成長。
5． AI能模擬人類總結新的診斷思路及規律，幫助人類醫生決策，提高診斷精度。目前要實現這一點還存在困難，尚有賴于技術的進一步發展。
AI眼科落地所面臨的難點與挑戰
張秀蘭教授認為，目前基于眼底照的AI算法已經相對成熟，對于眼底疾病、視神經疾病的診斷已經接近人類醫師的水準，對于眼科常見病的篩查也具備了一定的效力。但目前AI眼科落地還存在一些客觀的挑戰。
圖：亞太青光眼學會理事、亞太眼科學院院士、中山眼科中心臨床研究中心主任張秀蘭教授
從技術角度看，算法對于具體病灶的定位效能還有待提高，究其原因是目前缺少大樣本、精細標注的影像數據庫；其次，算法的可解釋性仍然不高，還存在所謂的“黑箱”，這就限制了它的推廣。此外，目前尚未見AI算法在真實世界中的實戰數據，因此不知道AI算法用于人群后的實用性及可靠性。
即便如此，百度等一些廠商已經在可解釋性方面取得了不錯的進展，他們將黑盒完成的單一診斷任務嵌入到整體架構設計中，根據臨床診療路徑設計了符合醫生推理邏輯的可解釋算法。
從非技術角度看，還有諸多有待解決的問題。我國AI+醫療尚屬起步階段，官方正在起草相應的標準，目前還沒有統一的數據標注標準。我國擁有遠海外的海量影像數據，但是數據質量參差不齊，標簽、標注十分簡陋，相關臨床信息丟失過多，嚴重影響了算法的性能。數據的“量”很重要，但“質”更關鍵。在未來，擁有優質數據的人將是AI的贏家。
同時，國家、協會需要建立質量監控標準，制定人工智能產品審批、監管相關標準，對每種AI產品也應進行標準化的測評；大眾接受人工智能醫療服務尚需要一個過程；人工智能醫療的商業模式也有待于進一步明確；在倫理和法律方面，出現誤診及醫療事故由誰負責也是有待明確。
現階段，眼科AI目前尚無通過CFDA認證的產品，眼底病的智能篩查儀器、產品等是最先突破的領域，特別是糖網、AMD等智能篩查產品中有不少處于臨床驗證階段，尚無上市的消息。但眼科作為影像檢查十分豐富的科室，注定會迎來眼科AI百花齊放的時刻。
中山眼科作為國內眼科AI的先行者，去年牽頭成立國內第一個眼科智能學組，張秀蘭教授也參與其中。眼科智能學組的成立旨在促進我國眼科AI的發展壯大，也將參與到起草醫療數據標注標準的工作中。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
