對 DeepMind 比較熟悉的讀者想必都知道，去年憑借 AlphaGo 戰(zhàn)勝李世石后，DeepMind 開始發(fā)力醫(yī)療領域，與英國國家醫(yī)療服務體系（NHS）進行了二度合作，并和 Moorfields 眼科醫(yī)院一同開發(fā)識別視覺疾病的機器學習系統。

當時合作的項目主要是糖尿病視網膜病變和因衰老導致的黃斑病變(AMD)，通過獲取醫(yī)療機構的眼部醫(yī)學影像，DeepMind 將利用機器學習做出判斷。而日前，IBM 也開始發(fā)力進軍眼部醫(yī)學診斷，這一次它們的目標是——青光眼。

青光眼已經成為全球致盲的第二大殺手，由于病變周期長，用戶的視覺實際上是慢慢減弱的，而且不到晚期一般難以確診。青光眼之所以被稱為「悄沒聲的光明小偷」，也是這個原因。據統計，有一半的用戶都是在未經檢查的情況下失明的，甚至，他們都還沒來得及意識到自己得了青光眼。

雖然青光眼并不是無藥可醫(yī)，但早發(fā)現早治療的方針不論對于什么疾病都同樣適用。IBM 研究院密切關注這一疾病。他們發(fā)現的第一個問題在于，像青光眼、糖尿病視網膜或是老年性黃斑變性所引致的失明，其實都是可以預防（或是減緩）的。如果大部分患者能夠及時發(fā)現眼部疾病，那么不僅會對患者的生活狀態(tài)產生重要影響，也能避免不必要的經濟負擔。

而據雷鋒網了解，IBM 研究院采用了 Watson 的認知計算處理眼部圖像并進行醫(yī)學分析，在未來將惠及所有患者。

圖上顯示的是四張眼球的背面圖，Watson 檢測視杯及視盤的大小。這一指標顯示可能患者得了青光眼。

IBM 研究院存在的另一個挑戰(zhàn)在于臨床醫(yī)師有限的經驗可能很難發(fā)現視網膜圖像的細微變化。對那些偏遠地區(qū)的潛在患者而言，昂貴的交通及看病難也給他們帶來了不便。

在 2015 年，駐澳大利亞 IBM 研究實驗室的科學家們就致力于通過深度學習分析 88000 份源于 EyePACS（一家全球性的眼球相關影像及醫(yī)學信息共享平臺）的視網膜圖像。機器通過訓練眼球的解剖圖像，已經學習了如何識別眼球的一些可能異常，以診斷像青光眼一樣難以察覺的眼疾。

近日，IBM 研究院發(fā)布了相關的研究結果，在視杯及視盤的檢測上，機器達到了 95% 的準確度，并且會向疑似得了眼疾的患者建議做二度檢查。眼疾分析的另一個關鍵點在于機器在掃描視網膜圖像后能進行自動篩選。機器目前能達到 94% 的正確率，而這對于減輕驗光師及眼科醫(yī)生的人工負擔大有裨益。

雷鋒網一直密切關注機器學習在醫(yī)療領域的應用，不論是領頭的DeepMind及IBM Watson，還是其它的國內外創(chuàng)業(yè)公司，我們都希冀機器學習能夠在醫(yī)學影像發(fā)揮更大的功用。

via IBM Research，雷鋒網編譯

雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。