0
| 本文作者： 李雨晨 | 2020-06-09 10:30 |
一个眼科医生判读一张青光眼眼底图片需要将近1分钟，而AI在1秒钟内可以迅速完成10张。在青光眼的筛查上，人工智能大有可为。但是，由于AI筛查系统在国内各个医疗中心系统不一，数据结构和疾病判病标准存在较大差异，目前人工智能在眼科领域的应用并不广泛。
如何解决这一问题？
近日，由中华医学会眼科学分会青光眼学组、中国医学装备协会眼科专委会人工智能学组牵头组织，腾讯公司参与撰写的《基于眼底照相的人工智能青光眼辅助筛查系统规范化设计及应用指南》正式对发布。
指南对AI青光眼辅助筛查系统的数据采集、算法模型构建、硬件要求、数据集建立和标注、AI筛查方案、AI筛查报告要求、数据安全等提出相关规范和建议，进一步规范AI青光眼辅助筛查系统的设计及临床应用。
同时，下月起，双方合作的AI辅助青光眼筛查系统将在同仁医院开展临床试验。
早在2016年10月28日，国家卫计委便制定了《“十三五”全国眼健康规划（2016-2020年）》，就将保障国民视力健康纳入整体规划。
但是，目前看来，实施的效果并不理想。就以青光眼为例，北京同仁医院眼科中心的刘含若博士向雷锋网表示，青光眼的检出率不足10%。
青光眼筛查率低的原因有哪些方面？
刘含若表示，青光眼是所有眼科疾病里面发病机制最为复杂的，被称为盗取视力的“小偷”，而且视力损害是不可逆的，需要综合考虑眼压、眼底C/D形态、视野、OCT视网膜神经纤维层改变等多个因素，一旦青光眼进入到中晚期，患者面临的只能是失明。
其次，中国眼科医生的数量太少，远远不能满足于中国庞大的人口需求。
据卫计委2016年统计，我国目前只有3.2万名眼科医生，其中从事眼底医疗服务和研究的医生约800-1000人。平均下来，4万多名中国人才能得到1个眼科医生的救治。
数据显示，预计到2020年，全球和我国青光眼人数将达到7960万和2180万；在致盲率方面，2010年全球约有840万青光眼患者致盲，而其中中国致盲人数占比患者达1/4以上。
值得注意的是，由于统计数据仅仅是就诊患者的数据。所以我国目前临床统计中，症状更加明显的原发性闭角型青光眼（PACG）患者被更多地统计在内，是最常见的青光眼类型。
然而新加坡、印度以及在北京的流行病学调查结果表明，约90%的原发性开角型青光眼（POAG）患者未被发现。
也就是说，真正青光眼疾病的患病人群要远比统计的多。
刘含若表示，80%的眼科疾病都可以通过“早发现、早筛查、早干预”，从而避免致盲。
“中国导盲性眼病长期以来重治防轻，基层防治技术能力滞后。应用AI技术后，我们预估筛查率能从10%提升到90%以上。因此，将人工智能应用在眼科疾病筛查的场景里，非常有意义。”
2016年，同仁医院开始与腾讯进行青光眼模块的合作。2018年，同仁医院王宁利专家团队与腾讯举行了合作签约仪式，启动人工智能辅助诊断青光眼的联合科研。
2019年，产品正式推出上线。
刘含若表示，通过前期的预验证，AI系统对早期青光眼病灶的诊断准确性已经达到了95%，这个成绩相当于同仁成熟眼科医生的诊断水平。
当然，这套AI系统的设计初衷是在基层进行筛查，弥补基层医生对疾病判定不够准确、早期的误判或者误诊的情况。
“一个产品好不好，需要它最终达到高粘性的使用。无论是在社区医院还是基层眼科中心，首先是产品确实好用，其次是提升医患的依从性，让医生和患者相信AI系统得出的结果。”
因此，在系统开发过程中，双方团队进行了AI判定结果的可视化，不但输出诊断结果，并且还采取热图的方式显示病灶可能所处的部位。
“医生可以通过可视化的功能辅助，具体向患者显示红色区域就是神经性缺损的区域，以及缺损的部位有多大，从而对疾病进行量化。同时，对于患者来说，这个东西不再抽象，更加利于他们理解。”
当然，人工智能应用于青光眼筛查也有一些特有的困境。
DR（糖尿病性视网膜病变）是在眼科AI里应用较为成熟的病种，因为该病直接挂靠于糖尿病慢病管理的筛查项目。截至2019年6月，中国糖网筛防工程已经在全国28个省市，400余家医疗机构内完成了68万例糖网的筛查。
刘含若透露，应用腾讯的AI技术后，共完成6万多例的青光眼筛查。但是，缺乏国家级的筛查项目进行推动，青光眼与糖网的筛查例数还有明显的差距。
雷锋网了解到，今年两会上，北京同仁眼科中心主任王宁利教授也向政协提案，把高致盲性眼病纳入国家慢病防控的系统，并且运用AI技术来进行高致盲的全身相关的眼病的早期筛查。
从卫生经济学的角度来考虑，做一个全民筛查的卫生经济学效益是偏低的。但是，如果以年龄段来划分，确定重点人群，让40岁或者45岁以上人群接受眼底全病种的筛查，那么卫生经济学效益将非常高。
刘含若补充到，“一个眼科医生判读一张影像需要将近1分钟，借助AI则1秒钟可以处理10张，相较于传统模式，AI可以将筛查成本从50元降低到4元每人次。”
其次，王宁利教授指出，目前在临床使用和人工智能眼科发展中存在两个问题：“在医学领域，主要在标注方面缺乏统一的规范和标准，导致人工智能在临床应用中泛化能力不足；在技术层面，各个团队应用技术没有统一标准，对一些指标规定没有统一要求，同样也造成人工智能在临床使用方面的敏感性和特点性。”
因此，同仁医院与腾讯合作撰写的指南，对AI青光眼辅助筛查系统的数据采集、算法模型构建、硬件要求、数据集建立和标注、AI筛查方案、AI筛查报告要求、数据安全等均提供了规范和建议。
近年来，多个学组均积极关注医疗人工智能产品的“顶层设计”。
去年8月，由广东省医师协会眼科分会等主办的第二届全国眼科人工智能大会在广州举办。大会同期进行了基于眼底照相的DR筛查AI系统应用指南的发布推广仪式。
指南涵盖了AI筛查系统从构建到应用的全过程，从图像的获取、特征的提取量化、特征值的选择降维、模型的训练以及性能评估都给出了明确的建议。
“医疗AI产品的发展，需要各地多中心共同协作。我觉得意义特别重大的一点，无论是临床诊断还是治疗指南，我们都是指南的进口国。现在我们从指南进口国到了指南输出国，所以这个意义是特别重大的。以后我们会进行更多的多中心协作，争取向世界发出更多的我们中国的声音。”
刘含若向雷锋网透露，目前，团队已经积累了数十万例的眼底相库，涵盖了眼科的各个病种，也包括市面常见的54种相机型号的眼底图像数据。
下个月，青光眼AI筛查系统将进入临床试验阶段。AI系统将会加载到眼底相机上，收取门诊临床资料，与医生一起对病例进行评估，预计验证量将超过1000例。
但是由于医疗AI产品的收费问题，现在更多是基于科研和产品检验的角度，对医疗AI产品进行试用。
刘含若表示，希望将医疗AI产业链做得更加完整，从精准的分诊挂号、语音导诊、电子预问诊、用药指导、手术机器人，在每一个环节都应用人工智能的技术。
“进入医院会是什么样子，大家都没有概念。从明年开始，我们会在同仁医院设立一个人工智能的青光眼门诊，探索人工智能在门诊中的真实应用。”
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
