雷鋒網(wǎng)按：近日，第四屆嶺南眼科論壇暨第二屆全國(guó)眼科人工智能大會(huì)在廣州白云賓館召開。

大會(huì)由廣東省醫(yī)師協(xié)會(huì)眼科分會(huì)、中國(guó)醫(yī)藥教育協(xié)會(huì)智能醫(yī)學(xué)專委全國(guó)智能眼科學(xué)組主辦，中山大學(xué)中山眼科中心、廣東省醫(yī)師協(xié)會(huì)眼科醫(yī)師分會(huì)青年委員會(huì)、廣東省眼科診斷與治療創(chuàng)新工程技術(shù)研究中心承辦。 

本屆大會(huì)以“Eye+AI”為主題，共設(shè)置70多個(gè)大會(huì)報(bào)告，內(nèi)容涵蓋眼角膜病、白內(nèi)障、青光眼、眼底病、視光學(xué)、以及人工智能、生物大數(shù)據(jù)、新型成像技術(shù)在眼科的新進(jìn)展等諸多熱點(diǎn)研究領(lǐng)域，邀請(qǐng)來自海內(nèi)外知名眼科專家及人工智能領(lǐng)域的知名學(xué)者，旨在全方位解讀眼科專業(yè)診療技術(shù)最新發(fā)展趨勢(shì)，分享眼科與人工智能結(jié)合的研究成果，探討“Eye+AI“的未來發(fā)展方向。

主論壇前一天，12位嘉賓從AI技術(shù)與眼科實(shí)踐出發(fā)，分別做了大會(huì)報(bào)告。第一環(huán)節(jié)由中科院計(jì)算所趙地、山西省眼科醫(yī)院張光華、湖州師范學(xué)院吳茂念擔(dān)任主持。  

同濟(jì)大學(xué)附屬同濟(jì)醫(yī)院畢燕龍

大會(huì)開始，同濟(jì)大學(xué)附屬同濟(jì)醫(yī)院眼科主任畢燕龍做了開場(chǎng)報(bào)告《深度學(xué)習(xí)引領(lǐng)人工智能技術(shù)在眼科學(xué)領(lǐng)域的發(fā)展》。

畢燕龍分別從醫(yī)學(xué)人工智能白皮書要點(diǎn)、融合深度學(xué)習(xí)的人工智能技術(shù)、深度學(xué)習(xí)技術(shù)在眼科學(xué)中的應(yīng)用、深度學(xué)習(xí)技術(shù)在眼科學(xué)應(yīng)用中潛在的挑戰(zhàn)展開講述。

畢燕龍談到，隨著AI技術(shù)的發(fā)展，它將為診前、診中、診后全流程賦能。

如在診前端，AI可進(jìn)行預(yù)防、篩查、分診；診中端，可進(jìn)行臨床診斷、醫(yī)技、臨床治療、住院；診后端，可實(shí)現(xiàn)康復(fù)護(hù)理、愈后關(guān)懷，提升服務(wù)質(zhì)量、節(jié)約醫(yī)療成本、高效醫(yī)院運(yùn)營(yíng)管理、實(shí)現(xiàn)醫(yī)療服務(wù)線上線下一體化、醫(yī)師培訓(xùn)、教學(xué)。

隨后，他指出，臨床輔助決策系統(tǒng)未來在基層醫(yī)院與三甲醫(yī)院應(yīng)用前景廣泛，在基層醫(yī)院，AI輔助診斷能夠減少醫(yī)生的誤診漏診情況，提升醫(yī)生診斷水平。而對(duì)于三級(jí)醫(yī)院，AI可通過數(shù)據(jù)反饋推動(dòng)診斷更規(guī)范合理，提升醫(yī)生效率。

畢燕龍也談到，雖然深度學(xué)習(xí)可應(yīng)用在糖網(wǎng)病、早產(chǎn)兒視網(wǎng)膜病變、年齡相關(guān)性的黃斑變性、黃斑部疾病、青光眼等疾病當(dāng)中。但它也存在著諸多潛在挑戰(zhàn)，如訓(xùn)練數(shù)據(jù)集的確定、有效性以及測(cè)試數(shù)據(jù)集、結(jié)果的可解釋性以及深度學(xué)習(xí)的臨床部署等問題。

最后，畢燕龍總結(jié)到，在眼科領(lǐng)域，深度學(xué)習(xí)技術(shù)已經(jīng)應(yīng)用于多種眼疾的檢測(cè)，尤其對(duì)于常見眼底疾病的彩照和OCT評(píng)估。

未來研究的關(guān)鍵在于評(píng)價(jià)不同的深度學(xué)習(xí)系統(tǒng)的臨床部署方案以及成本效益，如能匯集各方力量，優(yōu)勢(shì)互補(bǔ)，資源共享，統(tǒng)一監(jiān)管將更快速促進(jìn)AI醫(yī)學(xué)的發(fā)展，盡管未來仍舊有許多挑戰(zhàn)，但深度學(xué)習(xí)極大可能在十年內(nèi)影響眼科學(xué)界，乃至整個(gè)醫(yī)療界。

湖州師范學(xué)院楊衛(wèi)華

第二位嘉賓是湖州師范學(xué)院人工智能重點(diǎn)實(shí)驗(yàn)室主任楊衛(wèi)華，他發(fā)表了題為《智能眼科數(shù)據(jù)庫(kù)建設(shè)與設(shè)想》的報(bào)告。

楊衛(wèi)華介紹到，眼科數(shù)據(jù)主要有三大特點(diǎn)：數(shù)據(jù)量大；數(shù)據(jù)結(jié)構(gòu)化、規(guī)范化；數(shù)據(jù)種類豐富。    

但當(dāng)前眼科數(shù)據(jù)也存在著一定的問題，如己標(biāo)注數(shù)據(jù)量不大、數(shù)據(jù)質(zhì)量不高、數(shù)據(jù)缺乏統(tǒng)一標(biāo)準(zhǔn)（質(zhì)量標(biāo)準(zhǔn)、標(biāo)準(zhǔn)標(biāo)準(zhǔn)等）。

除此之外，他認(rèn)為現(xiàn)有的眼科數(shù)據(jù)庫(kù)主要存在三大問題：

• 數(shù)據(jù)種類、形式較單一，多為圖片形式

• 數(shù)據(jù)量較小，數(shù)據(jù)孤島，無(wú)法展現(xiàn)大數(shù)據(jù)優(yōu)勢(shì)

• 數(shù)據(jù)標(biāo)注準(zhǔn)確性有待商榷，缺乏必要的特征關(guān)聯(lián)信息

而要想建立適合當(dāng)前和未來人工智能研究的眼科數(shù)據(jù)庫(kù)-特征信息關(guān)聯(lián)的智能眼科數(shù)據(jù)庫(kù)及管理系統(tǒng)，所需要的眼科數(shù)據(jù)特點(diǎn)包括：

1.數(shù)據(jù)形式豐富，包括但不限于圖片、文本、語(yǔ)音、視頻

2.數(shù)據(jù)置較大，數(shù)據(jù)種類豐富，包括DR、白內(nèi)障、青光眼等

3.數(shù)據(jù)標(biāo)注結(jié)果基本準(zhǔn)確（標(biāo)注人員經(jīng)過培訓(xùn)，標(biāo)注規(guī)范）

4.數(shù)據(jù)之間存在一定關(guān)聯(lián)（如同一個(gè)患者的檢查圖片和文本）

針對(duì)這類數(shù)據(jù)庫(kù)，則需要以下思路流程進(jìn)行構(gòu)建：智能眼科數(shù)據(jù)庫(kù)（數(shù)據(jù)量大、病種齊全、區(qū)域性廣）——數(shù)據(jù)標(biāo)注（多名專家標(biāo)注并引入專家信任度）——智能眼科知識(shí)庫(kù)（增加眼科診斷知識(shí)的關(guān)聯(lián)關(guān)系及推理）。

最后，楊衛(wèi)華介紹到了智能眼科數(shù)據(jù)庫(kù)其分別可以應(yīng)用于數(shù)據(jù)標(biāo)注研究、眼科培訓(xùn)系統(tǒng)、人工智能算法訓(xùn)練集及驗(yàn)證集、人工智能系統(tǒng)測(cè)試（標(biāo)準(zhǔn)化測(cè)試集）、人工智評(píng)價(jià)系統(tǒng)、眼科疾病關(guān)聯(lián)信息及知識(shí)圖譜和知識(shí)庫(kù)構(gòu)建，以及多模態(tài)數(shù)據(jù)應(yīng)用開發(fā)。

南京航空航天大學(xué)萬(wàn)程

隨后，南京航空航天大學(xué)電子信息工程學(xué)院萬(wàn)程教授發(fā)表演講《基于深度學(xué)習(xí)的圖像增強(qiáng)》。

萬(wàn)程分別講述了DR眼底圖像生成方法、DR眼底圖像病灶點(diǎn)檢測(cè)、血管分割cGAN和圖像增強(qiáng)Cycle GAN。

其中，文本至圖像的DR眼底圖像增強(qiáng)生成方法流程為：文本特征表示（以LSTM對(duì)文本描述進(jìn)行編碼）——血管圖下采樣（輸入血管圖像經(jīng)過一系列卷積層下采樣降低維度）——深度拼接（文本編碼向量與血管下采樣特征圖在深度上進(jìn)行拼接）——上采樣（拼接后的特征圖經(jīng)過一系列反卷積層上采樣得到生成圖像）。

緊接著，萬(wàn)程詳細(xì)介紹了血管分割cGAN的網(wǎng)絡(luò)框架，其框架生成器的主網(wǎng)絡(luò)生成眼底圖像對(duì)應(yīng)的血管數(shù)據(jù)，對(duì)應(yīng)的子網(wǎng)絡(luò)生成局部的血管（細(xì)節(jié)豐富）。之后網(wǎng)絡(luò)分割的血管和標(biāo)簽分別與原圖組成一個(gè)圖像對(duì)，對(duì)多個(gè)判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過判別網(wǎng)絡(luò)生成的類別信息更新生成網(wǎng)絡(luò)。在這過程中，通過引入殘差模塊可提高模型性能，增加多尺度結(jié)構(gòu)可提高校血管分割效果，而改進(jìn)判別器網(wǎng)絡(luò)結(jié)構(gòu)可提高模型的判斷能力。

而至于圖像增強(qiáng)算法，主要分為三大類，分別為數(shù)據(jù)域方法（圖像域算法：直方圖均衡化、自適應(yīng)伽瑪校正；變化域算法：傅里葉變換、小波變換）、恢復(fù)模型方法（目標(biāo)域參數(shù)估計(jì)：去霧、增強(qiáng)水下圖像，如暗通道先驗(yàn)方法）和基于學(xué)習(xí)的方法（超分別：SRCNN、SRGAN；去霧：Cycle-Dehaze 0）。

最后，萬(wàn)程對(duì)Cycle GAN眼底圖像增強(qiáng)模型結(jié)構(gòu)圖進(jìn)行深入解讀。

她指出，F(xiàn)akeB要盡可能地蒙騙判別，使增強(qiáng)后的圖像更接近真實(shí)數(shù)據(jù)集B增強(qiáng)后的圖像要求其基本結(jié)構(gòu)不改變，重構(gòu)的CycA應(yīng)和A盡可能地相似。

北京理工大學(xué)李慧琦 

緊接著，北京理工大學(xué)信息與電子學(xué)院教授李慧琦發(fā)表演講《眼底圖像處理-先驗(yàn)知識(shí)與數(shù)據(jù)驅(qū)動(dòng)》。

“先驗(yàn)知識(shí)模型+機(jī)器學(xué)習(xí)”與“數(shù)據(jù)驅(qū)動(dòng)的深度學(xué)習(xí)“孰優(yōu)孰劣，一直以來都是醫(yī)學(xué)AI研究中的熱門爭(zhēng)論議題。

針對(duì)這一問題，李慧琦通過系列的研究案例，對(duì)兩種模式的效果進(jìn)行對(duì)比。具體的分類任務(wù)和分類算法分別為：

一、圖像分類任務(wù)

1.白內(nèi)障篩查：二分類（0級(jí)、其他）

2.模糊度分級(jí)：模糊程度四分類（0級(jí)、1級(jí)、2級(jí)、3級(jí)）

二、圖像分類算法

1.基于數(shù)據(jù)驅(qū)動(dòng)（無(wú)先驗(yàn)特征提?。?/p>

2.基于先驗(yàn)特征：局域特征、全局特征。

經(jīng)過一系列分析后，通過最終結(jié)果，李慧琦團(tuán)隊(duì)發(fā)現(xiàn)，無(wú)先驗(yàn)特征算法適合簡(jiǎn)單分類任務(wù)（如白內(nèi)障檢測(cè)二分類）；而先驗(yàn)特征在復(fù)雜分類任務(wù)中起到更重要的作用。

基于數(shù)據(jù)驅(qū)動(dòng)算法分類結(jié)果，與現(xiàn)有算法比較：

• 無(wú)先驗(yàn)特征算法適合簡(jiǎn)單分類任務(wù)（如白內(nèi)障二分類）

• 無(wú)先驗(yàn)特征算法實(shí)現(xiàn)復(fù)雜分類任務(wù)效果有待提高

• ResNet區(qū)分1級(jí)與2級(jí)模糊圖像能力較低

而基于先驗(yàn)特征的眼底圖像模糊度自動(dòng)分級(jí)算法，其先驗(yàn)特征為基于醫(yī)學(xué)背景知識(shí)，提取圖像特征，該方法的目的則是提取先驗(yàn)特征，并設(shè)計(jì)特征分類器，從而實(shí)現(xiàn)模糊度的自動(dòng)分級(jí)。

先驗(yàn)特征算法分類，其各種分類器，結(jié)合特征的分類結(jié)果多好于的那一模型特征；提出的EDST-MLP與DST-MLP分類器則優(yōu)于其他分類器；基于先驗(yàn)特征的分類器方法適合復(fù)雜分類任務(wù)，若基于先驗(yàn)特征，淺層小規(guī)模神經(jīng)網(wǎng)絡(luò)擁有足夠的表征能力，用來獲得最佳分類結(jié)果。

隨后，她得出結(jié)論：

l   簡(jiǎn)單的分類任務(wù)（如二分類），可用數(shù)據(jù)驅(qū)動(dòng)類算法；

l   復(fù)雜的分類任務(wù)（如四分類），先驗(yàn)知識(shí)作用重要；

l   基于先驗(yàn)特征，淺層的小規(guī)模神經(jīng)網(wǎng)絡(luò)即可；

l   基于先驗(yàn)特征，結(jié)合不同類型特征的分類準(zhǔn)確率高于單一類型的特征；

l   提出的 DST-ResNet與EDST-MLP算法分別在白內(nèi)障檢測(cè)與模糊程度分級(jí)任務(wù)中取得了現(xiàn)有算法的最高準(zhǔn)確率；

最后，李慧琦概括了自己對(duì)人工智能另一種理解：人工智能中的“人工“指的是數(shù)據(jù)標(biāo)注和參數(shù)調(diào)試，而智能則是先驗(yàn)知識(shí)（醫(yī)工融合）+數(shù)據(jù)驅(qū)動(dòng)。

福州大學(xué)余輪 

第四位演講嘉賓為福州大學(xué)生物與健康工程研究所院長(zhǎng)余輪教授，發(fā)表了演講 《遠(yuǎn)程眼底篩查中的質(zhì)量控制體系與人工智能分析》。

演講開始，余輪談到IDx-DR的獲批對(duì)整個(gè)醫(yī)療AI行業(yè)意義重大，F(xiàn)DA曾表示，同樣是糖網(wǎng)篩查，IDx與醫(yī)生合作的模式非常優(yōu)秀，他們嘗試與醫(yī)生聯(lián)手解決各種問題，而Google的模式總是不斷與醫(yī)生進(jìn)行PK。相比而言，他更加推崇IDx-DR模式。

“其實(shí)，Google及國(guó)內(nèi)許多AI企業(yè)的糖網(wǎng)篩查背后的技術(shù)原理是一個(gè)“深度神經(jīng)網(wǎng)絡(luò)黑盒子”，他們的產(chǎn)品更多只能檢測(cè)中晚期DR，但難以檢測(cè)DR的早期輕度病變，而對(duì)于嚴(yán)重DR、黃斑性病變、治療方案等情況無(wú)法給予臨床實(shí)際指導(dǎo)?！?/p>

隨后，余輪談到了AI-DR的標(biāo)注問題，他介紹大，DNN有一大缺點(diǎn)逐漸變得越來越突顯，即訓(xùn)練過程中需要消耗大量人類標(biāo)注樣本，而這對(duì)于小樣本應(yīng)用領(lǐng)域是難以做到的。但隨著近幾年深度學(xué)習(xí)研究和應(yīng)用的深入，減少人類標(biāo)注的方法得到普遍重視。

最后，余輪談到行業(yè)為什么需要全流程的質(zhì)量控制體。

他分別談到四點(diǎn)，眼底圖像的可用性是遠(yuǎn)程DR篩查的重要保證；無(wú)論醫(yī)生或AI，高質(zhì)量的圖片是早期診斷輕度近視視網(wǎng)膜病變的重要保證；實(shí)時(shí)、持續(xù)、全流程的篩查質(zhì)量控制體系和患者的隱私保護(hù)技術(shù)，讓系統(tǒng)運(yùn)行更加安全可靠；專利保護(hù)下獨(dú)到的AI質(zhì)控體系和25年遠(yuǎn)程判讀會(huì)診中心建設(shè)經(jīng)驗(yàn)，面對(duì)海量市場(chǎng)，遠(yuǎn)程篩查市場(chǎng)并發(fā)規(guī)模和技術(shù)優(yōu)勢(shì)大。

南方科技大學(xué)唐曉穎 

第一環(huán)節(jié)最后，南方科技大學(xué)助理教授唐曉穎發(fā)表了演講《基于眼底彩照的糖尿病視網(wǎng)膜病變病灶檢測(cè)》 。

演講初始，唐曉穎便提出一個(gè)問題，為什么當(dāng)前整個(gè)行業(yè)非常需要做一個(gè)自動(dòng)病變篩查系統(tǒng)？

因?yàn)闄z測(cè)一些微小的病變?nèi)缧?dòng)脈瘤即便對(duì)于高級(jí)醫(yī)師來說也是一項(xiàng)巨大挑戰(zhàn)

在這種情況下，如果采用自動(dòng)的算法，往往會(huì)達(dá)到一個(gè)非常優(yōu)秀的效果。

唐曉穎談到， 病變檢測(cè)可以看作是一種目標(biāo)檢測(cè)的方法，而目標(biāo)檢測(cè)則離不開深度學(xué)習(xí)。高質(zhì)量的大數(shù)據(jù)則是深度學(xué)習(xí)解決醫(yī)學(xué)問題過程中最關(guān)鍵的要素之一，然而在病變檢測(cè)和分割的任務(wù)里，高質(zhì)量的大數(shù)據(jù)卻很難獲取。

以眼底病變?yōu)槔绻鱿袼丶?jí)的分割，眼底圖像中的每一個(gè)有病變的像素，都需要手工進(jìn)行標(biāo)注，耗時(shí)耗力。

針對(duì)這個(gè)問題，唐曉穎團(tuán)隊(duì)和中山眼科中心團(tuán)隊(duì)進(jìn)行了深入探討：如果為每張圖像進(jìn)行像素級(jí)標(biāo)注，單一張圖像就至少需要六個(gè)小時(shí)。那么如何在保證減少醫(yī)生標(biāo)注時(shí)間的情況下，同時(shí)能得到更多高質(zhì)量數(shù)據(jù)？這便是他們研究的重點(diǎn)。

為此，唐曉穎團(tuán)隊(duì)聯(lián)合中山眼科中心采取了一種折中的方案，在其中一個(gè)項(xiàng)目中，他們主要關(guān)注出血、滲出和微動(dòng)脈瘤三種病變，在這過程中，他們?cè)谙肱c其讓醫(yī)生去做像素級(jí)的分割，不如先降低綜合人力成本和時(shí)間成本，讓醫(yī)生用非像素級(jí)的圓圈盡量把病變的區(qū)域框出來，首先這一流程是原本像素級(jí)分割耗時(shí)的六分之一。出血，團(tuán)隊(duì)標(biāo)注了590張數(shù)據(jù)集，滲出是600張，微動(dòng)脈瘤296張。

當(dāng)然，粗略的分割雖然便捷，但精度相對(duì)有限。其次，某一些病變，醫(yī)生在標(biāo)注的時(shí)候，仍然會(huì)有很多漏標(biāo)以及錯(cuò)標(biāo)的問題。常規(guī)方法是醫(yī)生，對(duì)有問題的數(shù)據(jù)再進(jìn)行精細(xì)化標(biāo)注，但這件事仍舊非常耗時(shí)。

所以唐曉穎團(tuán)隊(duì)提出一種方法，先用自動(dòng)的算法對(duì)數(shù)據(jù)進(jìn)行重建和圖像增強(qiáng)等預(yù)處理，然后把數(shù)據(jù)輸入至深度學(xué)習(xí)模型，去做病變檢測(cè)。這過程中，也采用了目標(biāo)檢測(cè)中的經(jīng)典CNN網(wǎng)絡(luò)進(jìn)行檢測(cè)，這一方法總共分為四步，第一步是人為的進(jìn)行生成數(shù)據(jù)，然后對(duì)于預(yù)處理，他們采用了CLAHE Preprocessing，去增加病變的對(duì)比度，然后會(huì)在數(shù)據(jù)中訓(xùn)練一個(gè)邊框回歸，將邊框回歸網(wǎng)絡(luò)應(yīng)用于實(shí)際的粗注釋數(shù)據(jù)集，實(shí)現(xiàn)細(xì)化標(biāo)注。

AI技術(shù)與眼科實(shí)踐（二）

在本日議程的下半環(huán)節(jié)，6位專家學(xué)者發(fā)表了精彩報(bào)告。論壇由浙江省第一醫(yī)院韓偉、海軍軍醫(yī)大學(xué)附屬長(zhǎng)海醫(yī)院彭亞軍、南昌大學(xué)第一附屬醫(yī)院邵毅主持。

溫州醫(yī)科大附屬眼視光中心黃錦海 

首先，溫州醫(yī)科大附屬眼視光中心主治醫(yī)師黃錦海發(fā)表了演講《精準(zhǔn)眼科生物測(cè)量》

他談到，由于眼的特殊性，診療過程中其更依賴大量的儀器設(shè)備輔助，儀器設(shè)備的研發(fā)迭代也往往非常的迅速。

眼科臨床的診斷，離不開詳盡的眼球生物結(jié)構(gòu)測(cè)量，因其直接關(guān)系到臨床診斷、治療評(píng)估和病情隨訪，以及實(shí)驗(yàn)的敏感性、特異性、可重復(fù)性、陽(yáng)性與陰性結(jié)果的理解等。所以眼球生物結(jié)構(gòu)的精準(zhǔn)測(cè)量是根基，假如沒有精準(zhǔn)的測(cè)量、計(jì)量和標(biāo)定，未來的眼科AI也很難大規(guī)模推動(dòng)。

無(wú)論是眼前節(jié)圖像、眼后節(jié)圖像、眼屈光成像質(zhì)量客觀分析系統(tǒng)還是主觀或心理物理學(xué)評(píng)價(jià)方法以及功能檢查類儀器，總體而言，目前大量的檢查還是集中在后節(jié)上。

黃錦海指出一大現(xiàn)象，對(duì)于圖像處理的問題，很多時(shí)候，研究團(tuán)隊(duì)設(shè)計(jì)的算法，可能僅針對(duì)某款設(shè)備適用，卻對(duì)于其他設(shè)備并不一定兼容，這背后有系統(tǒng)誤差和隨機(jī)誤差。假如兩個(gè)設(shè)備之間存在隨機(jī)誤差，則很難做到良好的兼容，AI也難以進(jìn)行正確的判斷。

2013年，黃錦海團(tuán)隊(duì)也在JAMA上發(fā)表了一篇綜述評(píng)論，他們認(rèn)為現(xiàn)有的眼壓測(cè)量技術(shù)存在一定局限的。

最后，黃錦海總結(jié)到，當(dāng)前的角膜厚度的測(cè)量技術(shù)非常多，包括內(nèi)皮鏡、光學(xué)低相干衍射儀、光學(xué)低相干放射儀、裂隙掃描角膜地形圖、OCT和旋轉(zhuǎn)Scheimpflug等技術(shù)。

他更加推薦采用Scheimpfug原理的Pentacam和Sirius，以及傅里葉域OCT作為常規(guī)測(cè)量設(shè)備，這些技術(shù)能夠提高重復(fù)性和再現(xiàn)性的測(cè)量結(jié)果，這其中，OTC的結(jié)果略小于Pentacam和Sirius。在臨床使用中，Pentacam和Sirius在中央角膜厚度的測(cè)量結(jié)果可互相使用，而周邊厚度差異較大，建議采用相同的設(shè)備進(jìn)行測(cè)量和隨訪。

利用OCT進(jìn)行眼后節(jié)參數(shù)測(cè)量時(shí)，單個(gè)儀器重復(fù)性良好，可以提供精準(zhǔn)測(cè)量結(jié)果，各個(gè)儀器的掃描原理不同和圖片清晰度不一致等原因，不同原理之間往往結(jié)果的一致性顯示較差，再臨床中往往難以互相替換使用，OCTA進(jìn)行眼底血管成像時(shí)，分析單個(gè)儀器的測(cè)量結(jié)果更加可靠。

香港中文大學(xué)張艷蕾

本環(huán)節(jié)的第二位演講嘉賓為香港中文大學(xué)眼科與視覺科學(xué)系助理教授張艷蕾，她發(fā)表了演講《Detection of Glaucomatous Optic Neuropathy with Spectral-domain Optical Coherence Tomography: A Retrospective Training and Validation Deep Learning Analysis》

演講開始，張艷蕾談到了青光眼的診療現(xiàn)狀，隨后她重點(diǎn)介紹了譜域光學(xué)相干層析掃描（SD-OCT），首先傳統(tǒng)的SD-OCT視網(wǎng)膜圖像分析存在以下局限：

1. 手動(dòng)分割會(huì)引起分割誤差，影響檢測(cè)的準(zhǔn)確性

2. 其他因素可能影響基于內(nèi)置不規(guī)范數(shù)據(jù)庫(kù)的RNFL厚度

3.仍需要有經(jīng)驗(yàn)的青光眼專家進(jìn)行人工解釋

而以往研究則主要存在以下局限性，在三維體積數(shù)據(jù)中沒有使用來自其他視網(wǎng)膜層或更深的視覺神經(jīng)的結(jié)構(gòu)與GON-related 特征未參照相應(yīng)的功能變化進(jìn)行地面真值標(biāo)注。與此同時(shí)，也仍然依賴于SDOCT自動(dòng)分割生成的指標(biāo)(如RNFL厚度和視網(wǎng)膜邊緣神經(jīng))。

針對(duì)上述問題，張艷蕾團(tuán)隊(duì)進(jìn)行了一種新的嘗試，利用三維SD-OCT進(jìn)行GON檢測(cè)。

上海市靜安區(qū)市北醫(yī)院陳吉利 

隨后，上海市靜安區(qū)市北醫(yī)院眼科主任陳吉利發(fā)表演講 《基于人工智能技術(shù)的社區(qū)糖尿病視網(wǎng)膜病變篩查》。

陳吉利談到，眼底檢查潛在的需求遠(yuǎn)遠(yuǎn)不能滿足臨床，首先是中國(guó)眼科醫(yī)生非常缺乏，二、三級(jí)醫(yī)院眼科醫(yī)生的負(fù)擔(dān)很重。其次，基層醫(yī)院也缺乏眼科培訓(xùn)和指導(dǎo)。

而人工智能則是解決基層醫(yī)院眼底檢查的利器，AI主要用于智能閱片，如常見的眼部疾病輔助診斷：糖尿病性視網(wǎng)膜病變、青光眼、白內(nèi)障、黃斑病變的檢查和篩查，次要用于搭建遠(yuǎn)程醫(yī)療系統(tǒng)，構(gòu)建高質(zhì)量眼科診療平臺(tái)。

隨后，陳吉利介紹了上海靜安北部醫(yī)共體糖網(wǎng)人工智能篩查建設(shè)項(xiàng)目，其研究方法流程為：醫(yī)共體就診的MD患者——詳盡告知，簽署同意書——MD患者眼科數(shù)據(jù)收集——人工讀片結(jié)果1與AI讀片結(jié)果2——分析AI讀片的名感性、特異性——對(duì)患者下一步的治療進(jìn)行指導(dǎo)，完善AI診斷數(shù)據(jù)及建立數(shù)據(jù)庫(kù)。

根據(jù)此項(xiàng)目，陳吉利得出一個(gè)結(jié)論，AI在檢測(cè)DR和RDR方面具有較高的敏感性和特異性，在中國(guó)社區(qū)醫(yī)院使用基于AI的DR篩查模型是可行的，但不足之處則在于無(wú)法在二維眼底照片上準(zhǔn)確地識(shí)別糖尿病性黃斑水腫。

與此同時(shí)，他們項(xiàng)目組也取得了一個(gè)階段性成果，2019年8月21日參加國(guó)家食品藥品監(jiān)督管理局醫(yī)療器械技術(shù)評(píng)審中心組織的三類醫(yī)療器械證創(chuàng)新通道答辯，9月16日公示通過，中國(guó)第一款進(jìn)入CFDA創(chuàng)新通道審批的人工智能診斷軟件獲得批準(zhǔn)。

山東省眼科研究所李東芳

本環(huán)節(jié)第四位嘉賓是山東省眼科研究所李東芳，她為與會(huì)者帶來演講《基于深度學(xué)習(xí)的眼前節(jié)OCT圖像角膜組織多病灶自動(dòng)識(shí)別》。

首先，她介紹到了團(tuán)隊(duì)的研究目的，即研究應(yīng)用深度學(xué)習(xí)為主的人工智能算法，基于眼前節(jié)光學(xué)相干斷層掃描（OCT）圖像，對(duì)角膜組織的多種病變區(qū)域進(jìn)行自動(dòng)識(shí)別，輔助醫(yī)生讀片。

研究方法則是收集了2018年7月至2019年4月于他們?cè)篛ptovue RTVue100-2拍攝的眼前節(jié)OCT圖片1675張，基于整體病灶分布情況，選擇其中1484張圖片作為訓(xùn)練集進(jìn)行模型訓(xùn)練，191張圖片作為測(cè)試集來驗(yàn)證模型性能。

每張圖片經(jīng)過臨床醫(yī)生標(biāo)注和復(fù)核，共標(biāo)注13類常見的異常病灶征象5237個(gè)，包括角膜上皮缺損（8.71%）、角膜上皮增厚（13.25%）、角膜變?。?.03%）、角膜前凸（6.91%）、角膜增厚（10.65%）、上皮下水泡（6.42%）、上皮下混濁（4.37%）、角膜潰瘍（5.38%）、基質(zhì)混濁（20.67%）、后彈力層褶皺（4.39%）、角膜后沉積物（6.67%）、LKP術(shù)后（1.97%）、PKP術(shù)后（4.58%）。

為了定量化評(píng)估模型性能，選用準(zhǔn)確率、靈敏度、特異度三個(gè)評(píng)測(cè)指標(biāo)，依據(jù) Youden指數(shù)，即靈敏度、特異度之和最大原則，定義各類病灶的不同檢測(cè)閾值。

項(xiàng)目過程中，選用了Mask-RCNN深度卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)作為病灶檢測(cè)主體網(wǎng)絡(luò)，以ResNet50作為特征提取基礎(chǔ)網(wǎng)絡(luò)，結(jié)合特征金字塔和注意力機(jī)制提取不同尺度的特征表達(dá)，經(jīng)RPR網(wǎng)絡(luò)推薦候選區(qū)，最終依靠回歸網(wǎng)絡(luò)以及分類網(wǎng)絡(luò)，優(yōu)化病灶位置，并判斷候選區(qū)域內(nèi)所包含的病灶類型。

最終，利用191張眼前節(jié)OCT影像評(píng)估模型檢測(cè)準(zhǔn)確率，對(duì)于13類病灶檢測(cè)靈敏度、特異度均達(dá)到90%左右或以上。

武漢大學(xué)人民醫(yī)院肖璇

此后，武漢大學(xué)人民醫(yī)院眼科中心主任醫(yī)師肖璇講述了《AI在基層衛(wèi)生眼病慢病管理模式中的應(yīng)用》

肖璇首先介紹到昌江醫(yī)療集團(tuán)（醫(yī)聯(lián)體）的由來和現(xiàn)狀，隨之引出她們需要通過AI和信息化彌補(bǔ)基層衛(wèi)生的短板：基層醫(yī)生缺少慢病管理能力和所需工具設(shè)備，AI和信息化技術(shù)就是賦能基層醫(yī)生，降低使用工具和設(shè)備的門檻，做到“傻瓜式”使用。

如通過視頻坐診+醫(yī)生助理從而簡(jiǎn)化信息化系統(tǒng)對(duì)接問題，其特點(diǎn)為支持多病種，而非僅僅糖網(wǎng)顯示病癥，便于做患者教育和提高信任度，無(wú)縫連接FORUM數(shù)據(jù)分析工具，做好診斷和隨訪數(shù)據(jù)分析提知識(shí)庫(kù)便于基層醫(yī)生查詢和學(xué)習(xí)。

AI可輔助慢病如篩查糖網(wǎng)、青光眼、老黃等。具體實(shí)現(xiàn)方法，是基于64210張眼底圖像組成訓(xùn)練，1117張眼底圖驗(yàn)證集，建立深度學(xué)習(xí)模型在3210張眼底圖像測(cè)試集上測(cè)試結(jié)果。

她也在演講中談到，通過數(shù)據(jù)預(yù)測(cè)昌江實(shí)施慢病管理對(duì)醫(yī)療費(fèi)用的影響。借鑒上海DR、溫州青光眼“社區(qū)篩查+遠(yuǎn)程診斷+轉(zhuǎn)診治療”眼科慢病管理的衛(wèi)生經(jīng)濟(jì)學(xué)擬合模型，來預(yù)測(cè)昌江。

DR：10年內(nèi)防止4800起疾病進(jìn)展，減少229例盲，節(jié)省2146萬(wàn)

青光眼：10年內(nèi)防止1.4萬(wàn)起疾病進(jìn)展，減少336例盲，觀察周期越長(zhǎng)費(fèi)用節(jié)省效應(yīng)越大。

她也補(bǔ)充到，已有研究關(guān)注發(fā)達(dá)地區(qū)，但未必適用昌江，國(guó)內(nèi)尚無(wú)AMD慢管研究，尚無(wú)AI已應(yīng)用地區(qū)成本效益。

衛(wèi)生經(jīng)濟(jì)學(xué)研究表明，眼病知曉率、居民篩查參與度、轉(zhuǎn)診率和治療依從性等是直接影響慢病管理成敗的關(guān)鍵因素，我國(guó)慢病防控主要存在知曉率、篩查率、轉(zhuǎn)診率和隨訪依從性不足等難點(diǎn)。通過模型預(yù)測(cè)，PACG轉(zhuǎn)診率每提高10%，可節(jié)約費(fèi)用80萬(wàn)元，多防止344起進(jìn)展時(shí)間度挽回19名病人。而AI聚焦主要短板，將顯著提升慢病管理成本-效果。

最后，肖璇對(duì)未來做出了展望，AI技術(shù)奠基的慢管系統(tǒng)，需要抓兩個(gè)基本點(diǎn)，其分別是轉(zhuǎn)診率和隨訪依從性，此外還需探索三個(gè)新功能：AI輔助隨訪病程監(jiān)控、AI慢管師交護(hù)士慢病教育和個(gè)人助手用藥生活方式管理。

 

同濟(jì)大學(xué)附屬上海第十人民醫(yī)院高鵬 

最后，同濟(jì)大學(xué)附屬上海第十人民醫(yī)院眼科聯(lián)合上海市第一婦嬰保健院產(chǎn)科高鵬，做了《從產(chǎn)科病房解放眼科值班醫(yī)生—“妊高癥”的人工智能輔助診斷》報(bào)告。

高鵬分別講述了妊高癥和相關(guān)眼底改變、AI輔助診斷的意義、AI輔助診斷的實(shí)現(xiàn)方式、使用價(jià)值和應(yīng)用前景。

其中，他重點(diǎn)介紹了一個(gè)眼底彩照檢查的AI臨床研究課題，聯(lián)合四大合作單位來展開研究，實(shí)現(xiàn)方式首先是眼科醫(yī)生按相應(yīng)標(biāo)進(jìn)行特征標(biāo)注，如二級(jí)分支血管動(dòng)脈和靜水直徑、動(dòng)靜脈交叉、出血、棉絨斑、硬性滲出、視網(wǎng)膜脫離等特征。

隨后對(duì)標(biāo)注的特征利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，同時(shí)融合多模態(tài)的信息如眼底圖片信息和產(chǎn)科醫(yī)生錄入的其他信息，對(duì)照產(chǎn)科醫(yī)生提供的最終診斷，以多模態(tài)智能和傳統(tǒng)機(jī)器形成算法，計(jì)算用來輔功診斷的妊高癥“風(fēng)險(xiǎn)指數(shù)”和“診斷概率”，為醫(yī)生做參考。

最后再進(jìn)行測(cè)試，這方面的數(shù)據(jù)，課題組共收集了五百例左右。在測(cè)試過程中，眼底診斷：以一定數(shù)量的標(biāo)準(zhǔn)測(cè)試集，計(jì)算靈敏性和準(zhǔn)確性。妊高癥診斷的測(cè)試是綜合眼底檢查、患者一般信息、病史、癥狀、血壓、血檢驗(yàn)、尿蛋白及其他輔助檢查，給出妊高癥風(fēng)險(xiǎn)指數(shù)和診斷建議，目的是實(shí)現(xiàn)對(duì)眼底和妊高癥的診斷，從而實(shí)現(xiàn)持續(xù)改進(jìn)的閉環(huán)，把產(chǎn)科、眼科、AI更好地綁定在一起，從而在一定程度上改變臨床人員的工作模式：使得在產(chǎn)科病房實(shí)行眼底檢查更加快捷，對(duì)眼底改變的分析可能更為客觀、準(zhǔn)確，綜合多因素分析，輔助產(chǎn)科醫(yī)生對(duì)妊高癥的診斷。

而這個(gè)項(xiàng)目的潛在落地場(chǎng)景，主要存在于：

• 產(chǎn)科?？漆t(yī)院：非綜合性醫(yī)院，無(wú)眼科?？漆t(yī)生配置。

• 基層醫(yī)院：無(wú)眼科?？漆t(yī)生配置或眼科醫(yī)生資質(zhì)不足

• 遠(yuǎn)程診療：遠(yuǎn)程會(huì)診，獲得高級(jí)專業(yè)指導(dǎo)

當(dāng)然，項(xiàng)目也存在著行業(yè)常見問題，如訓(xùn)練集（學(xué)習(xí)樣本）能否持續(xù)獲得；重度妊高癥、視網(wǎng)膜病變樣本量偏少；眼底圖片的標(biāo)注：工作量和標(biāo)準(zhǔn)化問題。

嶺南眼科論壇大會(huì)主席袁進(jìn) 

12個(gè)報(bào)告結(jié)束后，本次大會(huì)主席、中山大學(xué)中山眼科中心袁進(jìn)教授進(jìn)行致辭。

“嶺南眼科論壇已連續(xù)舉辦四屆，這四年來，議程的很多內(nèi)容在變，但有一項(xiàng)是不變的，那就是一直以來我們都在打造一個(gè)學(xué)科深度交叉融合的論壇。今年論壇首日，我聽到了各位專家的講題從數(shù)據(jù)庫(kù)的建立，到圖像的測(cè)量和分析、分割，再到AI在臨床上的各種應(yīng)用。我想，這就是我們本次學(xué)術(shù)交流的重要目的：從臨床需求出發(fā)，去尋找AI技術(shù)的突破點(diǎn)，從而讓兩者有效融合，打造全新的醫(yī)療模式。”

注：后續(xù)雷鋒網(wǎng)將陸續(xù)發(fā)布本次大會(huì)第二、三日的精彩演講內(nèi)容和嘉賓專訪，敬請(qǐng)期待。雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。