《柳葉刀》刊發中國視網膜AI真實世界研究
AI技術正帶給醫療領域諸多難題和更多驚喜。
7月28日，第23屆中國科學技術協年會閉幕式上，中國科協發布了2021年度十大工程技術難題——從472個問題難題中選出10個，“如何利用AI實現醫療影像多病種識別并進行輔助診療”赫然在列。
巧合的是，就在評選發布的前一天，國際頂級醫學期刊《柳葉刀·數字健康》（TheLancet Digital Health）雜志（SCI影響因子24．519）發表了一項來自中國，關于“AI視網膜多病種輔助診斷系統”的真實世界研究。這項研究建立在多達26萬樣本量的基礎之上，驗證了AI系統在識別14種常見眼底異常的表現上，平均AUC達到0．968，足以媲美相關領域的專家。
這套系統來自鷹瞳Airdoc，他們為自己的系統起了一個簡單而富有深意的名字：CARE。
“care在英語中本身有關懷、治療的意思，而在這里，它還是Comprehensive Artificial intelligence Retinal Expert（綜合人工智能視網膜專家）的縮寫。”鷹瞳Airdoc首席醫學官陳羽中說。
鷹瞳Airdoc成立于2015年，3年后，他們獲得了國家藥監局頒發的首張眼科AI軟件第三類醫療器械證書，由此展開了AI視網膜輔助診斷系統在醫療機構的廣泛應用。如今，鷹瞳Airdoc正致力于通過視網膜影像、多模態數據分析，以及AI深度學習算法，在醫療大健康場景中實現對慢病準確、大規模的無創診斷和相關健康風險的評估。
這項登上柳葉刀的研究由鷹瞳Airdoc和廣州中山大學中山眼科中心聯合開展，是首個眼科全國性臨床真實世界研究。研究囊括的26萬張視網膜圖像來自全國28個省市，共51家醫療機構。CARE可識別的14種常見眼底異常包括糖尿病、高血壓等全身性疾病，以及青光眼、病理性近視、視網膜靜脈阻塞、視網膜脫離等12種威脅視力的異常眼部表現。
廣州中山大學中山眼科中心領銜的16家醫療和科研機構對該系統進行了驗證與分析，其中不乏北京同仁醫院、上海五官科醫院、北京大學人民醫院和山東大學齊魯醫院等多家知名三甲醫院。驗證分析的結果顯示：CARE平均0．968的AUC背后，最高的準確率出自地圖狀萎縮診斷，AUC達0．999；AUC最低的高血壓眼底病變也有0．861，這是14種常見眼底異常表現中唯一AUC低于0．930的一項。
“這一數據令CARE的表現比傳統單疾病標簽模型的AUC提升了20％左右，要知道，即便是最好的專家，準確率也就在這一范圍上下。” 陳羽中介紹說。
事實上，陳羽中的結論并非單純來自他幾十年醫院工作的經驗。在《柳葉刀》上發布的研究成果中，他們刻意安排了9位不同地區的眼科醫生和4組不同年資的眼科醫生與CARE進行對照。發現不同眼科醫生對眼底病變識別的靈敏度差異很大，在這場人機對弈中，人類專家0．500－0．929的AUC范圍讓AI更穩定的優勢得以展現。
而AI帶來的驚喜還不止于此。
陳羽中向億歐大健康分享了一項研究報告外更有趣的數據：他們在實驗中發現，CARE在測試男女性別上達到了驚人的100％準確率——即便包括鷹瞳Airdoc自己的數據在內，樣本量達到百萬級之后結果仍是如此。
“且先不考慮是否有商業價值，首先我們要看到這是一個技術的突破。” 醫學發展至今，人類專家從未通過眼底去分辨性別。這在陳羽中看來，意味著AI突破了人類為它們所圈定的邊界。
目前人類已知與眼底視網膜相關的疾病有1000余種，其中常見病約200余種。在這當中，據陳羽中介紹，包含真實研究中的14項病種在內，CARE當下在拓展的覆蓋了55種。“我們當然會繼續在這一‘界內’繼續‘拔草’。但‘界外’的部分也有非凡的意義。”他說。
從AI視網膜多病種輔助診斷的應用和落地來看，在人們最初的設想中，很大程度上希望AI解決的是該領域內的醫患失衡問題。鷹瞳Airdoc給出了一組數據：我國有心血管疾病患者2．9億、糖尿病患者1．16億、高血壓患者2．45億。這些疾病都會引發眼底異常，可通過AI進行早篩和輔助診斷。但與之相對，全國只有3．6萬眼科醫生，人們期待AI的出現可以有效彌補這一懸殊的對比。
而AI在辨識性別上表現出的極高準確率則像是一份意外之喜。進行分析后，研究團隊發現，AI分析性別的基礎源于對人類眼底中黃斑的觀測。“這是眼科醫生們所無法理解的，”陳羽中笑著說，“我們也無法理解。”
同多數AI一樣，CARE的黑匣隱藏了它看黃斑辨男女背后的邏輯，但100％的準確率卻有著不容忽視的說服力。一位來自北大健康研究院的教授對此的評論是＂推開了一個未知世界的窗口。＂陳羽中說：“這是人類未知的領域，這意味著即使未來眼底病專家的配備極為充足，我們仍然可以活得很好，因為AI可以干人類專家干不了的事。”
而回到落地層面，如果說辨別男女還面臨著商業化的大山，那么同屬“界外”又有著更好商業化前景的則是貧血。
有數據表明，在我國城市中，每5名女性就有1名女性有貧血風險；在一些地方，貧血還是嬰幼兒的強檢項目。當下，貧血的主要檢測手段是血常規，醫生通過血紅蛋白的指標進行直觀判斷，而過去在臨床上從不曾有醫生通過視網膜來檢測貧血。顯然，保證準確率的前提下，快捷、無創的眼底篩查將被更多人所青睞。這是可預見范圍內，AI將帶來的又一個＂禮物＂。
經歷了被稱為“中國AI元年”的2020年之后，AI+醫療賽道仿佛進入了下半場，賽道上的玩家動作頻頻。科亞方舟、推想醫療赴港上市；深睿醫療收購依圖醫療；英矽智能兩度發現新藥；晶泰科技完成4億美元的D輪融資……鷹瞳Airdoc也是其中一員。在這項真實世界的研究公布之前，他們也已經在6月向港交所遞交了招股說明書，立志奔向更大的資本市場。
而如同此次鷹瞳Airdoc的真實世界研究一般，人們也期待著未來AI能完成更大的突破，為人類帶來更多的驚喜。就像美國威斯康星大學影像診斷中心主任對這次研究的評價：“這項研究標志著醫學人工智能研究邁向了正確的發展方向。” ——Amitha Domalpally
本文來源于億歐，原創文章，作者：魏江翰。轉載或合作請點擊轉載說明，違規轉載法律必究。
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
