0
雷鋒網(wǎng)按：近日，第四屆嶺南眼科論壇暨第二屆全國眼科人工智能大會在廣州白云賓館召開。
大會由廣東省醫(yī)師協(xié)會眼科分會、中國醫(yī)藥教育協(xié)會智能醫(yī)學專委全國智能眼科學組主辦，中山大學中山眼科中心、廣東省醫(yī)師協(xié)會眼科醫(yī)師分會青年委員會、廣東省眼科診斷與治療創(chuàng)新工程技術(shù)研究中心承辦。
本屆大會以“Eye+AI”為主題，共設置70多個大會報告，內(nèi)容涵蓋眼角膜病、白內(nèi)障、青光眼、眼底病、視光學、以及人工智能、生物大數(shù)據(jù)、新型成像技術(shù)在眼科的新進展等諸多熱點研究領域，邀請來自海內(nèi)外知名眼科專家及人工智能領域的知名學者，旨在全方位解讀眼科專業(yè)診療技術(shù)最新發(fā)展趨勢，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)與眼科實踐出發(fā)，分別做了大會報告。第一環(huán)節(jié)由中科院計算所趙地、山西省眼科醫(yī)院張光華、湖州師范學院吳茂念擔任主持。
同濟大學附屬同濟醫(yī)院畢燕龍
大會開始，同濟大學附屬同濟醫(yī)院眼科主任畢燕龍做了開場報告《深度學習引領人工智能技術(shù)在眼科學領域的發(fā)展》。
畢燕龍分別從醫(yī)學人工智能白皮書要點、融合深度學習的人工智能技術(shù)、深度學習技術(shù)在眼科學中的應用、深度學習技術(shù)在眼科學應用中潛在的挑戰(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可進行預防、篩查、分診；診中端，可進行臨床診斷、醫(yī)技、臨床治療、住院；診后端，可實現(xiàn)康復護理、愈后關懷，提升服務質(zhì)量、節(jié)約醫(yī)療成本、高效醫(yī)院運營管理、實現(xiàn)醫(yī)療服務線上線下一體化、醫(yī)師培訓、教學。
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。而對于三級醫(yī)院，AI可通過數(shù)據(jù)反饋推動診斷更規(guī)范合理，提升醫(yī)生效率。
畢燕龍也談到，雖然深度學習可應用在糖網(wǎng)病、早產(chǎn)兒視網(wǎng)膜病變、年齡相關性的黃斑變性、黃斑部疾病、青光眼等疾病當中。但它也存在著諸多潛在挑戰(zhàn)，如訓練數(shù)據(jù)集的確定、有效性以及測試數(shù)據(jù)集、結(jié)果的可解釋性以及深度學習的臨床部署等問題。
最后，畢燕龍總結(jié)到，在眼科領域，深度學習技術(shù)已經(jīng)應用于多種眼疾的檢測，尤其對于常見眼底疾病的彩照和OCT評估。
未來研究的關鍵在于評價不同的深度學習系統(tǒng)的臨床部署方案以及成本效益，如能匯集各方力量，優(yōu)勢互補，資源共享，統(tǒng)一監(jiān)管將更快速促進AI醫(yī)學的發(fā)展，盡管未來仍舊有許多挑戰(zhàn)，但深度學習極大可能在十年內(nèi)影響眼科學界，乃至整個醫(yī)療界。
湖州師范學院楊衛(wèi)華
第二位嘉賓是湖州師范學院人工智能重點實驗室主任楊衛(wèi)華，他發(fā)表了題為《智能眼科數(shù)據(jù)庫建設與設想》的報告。
楊衛(wèi)華介紹到，眼科數(shù)據(jù)主要有三大特點：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。
但當前眼科數(shù)據(jù)也存在著一定的問題，如己標注數(shù)據(jù)量不大、數(shù)據(jù)質(zhì)量不高、數(shù)據(jù)缺乏統(tǒng)一標準（質(zhì)量標準、標準標準等）。
除此之外，他認為現(xiàn)有的眼科數(shù)據(jù)庫主要存在三大問題：
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，無法展現(xiàn)大數(shù)據(jù)優(yōu)勢
數(shù)據(jù)標注準確性有待商榷，缺乏必要的特征關聯(lián)信息
而要想建立適合當前和未來人工智能研究的眼科數(shù)據(jù)庫-特征信息關聯(lián)的智能眼科數(shù)據(jù)庫及管理系統(tǒng)，所需要的眼科數(shù)據(jù)特點包括：
1.數(shù)據(jù)形式豐富，包括但不限于圖片、文本、語音、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)標注結(jié)果基本準確（標注人員經(jīng)過培訓，標注規(guī)范）
4.數(shù)據(jù)之間存在一定關聯(lián)（如同一個患者的檢查圖片和文本）
針對這類數(shù)據(jù)庫，則需要以下思路流程進行構(gòu)建：智能眼科數(shù)據(jù)庫（數(shù)據(jù)量大、病種齊全、區(qū)域性廣）——數(shù)據(jù)標注（多名專家標注并引入專家信任度）——智能眼科知識庫（增加眼科診斷知識的關聯(lián)關系及推理）。
最后，楊衛(wèi)華介紹到了智能眼科數(shù)據(jù)庫其分別可以應用于數(shù)據(jù)標注研究、眼科培訓系統(tǒng)、人工智能算法訓練集及驗證集、人工智能系統(tǒng)測試（標準化測試集）、人工智評價系統(tǒng)、眼科疾病關聯(lián)信息及知識圖譜和知識庫構(gòu)建，以及多模態(tài)數(shù)據(jù)應用開發(fā)。
南京航空航天大學萬程
隨后，南京航空航天大學電子信息工程學院萬程教授發(fā)表演講《基于深度學習的圖像增強》。
萬程分別講述了DR眼底圖像生成方法、DR眼底圖像病灶點檢測、血管分割cGAN和圖像增強Cycle GAN。
其中，文本至圖像的DR眼底圖像增強生成方法流程為：文本特征表示（以LSTM對文本描述進行編碼）——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，萬程詳細介紹了血管分割cGAN的網(wǎng)絡框架，其框架生成器的主網(wǎng)絡生成眼底圖像對應的血管數(shù)據(jù)，對應的子網(wǎng)絡生成局部的血管（細節(jié)豐富）。之后網(wǎng)絡分割的血管和標簽分別與原圖組成一個圖像對，對多個判別網(wǎng)絡進行訓練，通過判別網(wǎng)絡生成的類別信息更新生成網(wǎng)絡。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，而改進判別器網(wǎng)絡結(jié)構(gòu)可提高模型的判斷能力。
而至于圖像增強算法，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、自適應伽瑪校正；變化域算法：傅里葉變換、小波變換）、恢復模型方法（目標域參數(shù)估計：去霧、增強水下圖像，如暗通道先驗方法）和基于學習的方法（超分別：SRCNN、SRGAN；去霧：Cycle-Dehaze 0）。
最后，萬程對Cycle GAN眼底圖像增強模型結(jié)構(gòu)圖進行深入解讀。
她指出，F(xiàn)akeB要盡可能地蒙騙判別，使增強后的圖像更接近真實數(shù)據(jù)集B增強后的圖像要求其基本結(jié)構(gòu)不改變，重構(gòu)的CycA應和A盡可能地相似。
北京理工大學李慧琦
緊接著，北京理工大學信息與電子學院教授李慧琦發(fā)表演講《眼底圖像處理-先驗知識與數(shù)據(jù)驅(qū)動》。
“先驗知識模型+機器學習”與“數(shù)據(jù)驅(qū)動的深度學習“孰優(yōu)孰劣，一直以來都是醫(yī)學AI研究中的熱門爭論議題。
針對這一問題，李慧琦通過系列的研究案例，對兩種模式的效果進行對比。具體的分類任務和分類算法分別為：
一、圖像分類任務
1.白內(nèi)障篩查：二分類（0級、其他）
2.模糊度分級：模糊程度四分類（0級、1級、2級、3級）
二、圖像分類算法
1.基于數(shù)據(jù)驅(qū)動（無先驗特征提?。?/p>
2.基于先驗特征：局域特征、全局特征。
經(jīng)過一系列分析后，通過最終結(jié)果，李慧琦團隊發(fā)現(xiàn)，無先驗特征算法適合簡單分類任務（如白內(nèi)障檢測二分類）；而先驗特征在復雜分類任務中起到更重要的作用。
基于數(shù)據(jù)驅(qū)動算法分類結(jié)果，與現(xiàn)有算法比較：
無先驗特征算法適合簡單分類任務（如白內(nèi)障二分類）
無先驗特征算法實現(xiàn)復雜分類任務效果有待提高
ResNet區(qū)分1級與2級模糊圖像能力較低
而基于先驗特征的眼底圖像模糊度自動分級算法，其先驗特征為基于醫(yī)學背景知識，提取圖像特征，該方法的目的則是提取先驗特征，并設計特征分類器，從而實現(xiàn)模糊度的自動分級。
先驗特征算法分類，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；基于先驗特征的分類器方法適合復雜分類任務，若基于先驗特征，淺層小規(guī)模神經(jīng)網(wǎng)絡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 簡單的分類任務（如二分類），可用數(shù)據(jù)驅(qū)動類算法；
l 復雜的分類任務（如四分類），先驗知識作用重要；
l 基于先驗特征，淺層的小規(guī)模神經(jīng)網(wǎng)絡即可；
l 基于先驗特征，結(jié)合不同類型特征的分類準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)障檢測與模糊程度分級任務中取得了現(xiàn)有算法的最高準確率；
最后，李慧琦概括了自己對人工智能另一種理解：人工智能中的“人工“指的是數(shù)據(jù)標注和參數(shù)調(diào)試，而智能則是先驗知識（醫(yī)工融合）+數(shù)據(jù)驅(qū)動。
福州大學余輪
第四位演講嘉賓為福州大學生物與健康工程研究所院長余輪教授，發(fā)表了演講 《遠程眼底篩查中的質(zhì)量控制體系與人工智能分析》。
演講開始，余輪談到IDx-DR的獲批對整個醫(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)生進行PK。相比而言，他更加推崇IDx-DR模式。
“其實，Google及國內(nèi)許多AI企業(yè)的糖網(wǎng)篩查背后的技術(shù)原理是一個“深度神經(jīng)網(wǎng)絡黑盒子”，他們的產(chǎn)品更多只能檢測中晚期DR，但難以檢測DR的早期輕度病變，而對于嚴重DR、黃斑性病變、治療方案等情況無法給予臨床實際指導?！?/p>
隨后，余輪談到了AI-DR的標注問題，他介紹大，DNN有一大缺點逐漸變得越來越突顯，即訓練過程中需要消耗大量人類標注樣本，而這對于小樣本應用領域是難以做到的。但隨著近幾年深度學習研究和應用的深入，減少人類標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，眼底圖像的可用性是遠程DR篩查的重要保證；無論醫(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；實時、持續(xù)、全流程的篩查質(zhì)量控制體系和患者的隱私保護技術(shù)，讓系統(tǒng)運行更加安全可靠；專利保護下獨到的AI質(zhì)控體系和25年遠程判讀會診中心建設經(jīng)驗，面對海量市場，遠程篩查市場并發(fā)規(guī)模和技術(shù)優(yōu)勢大。
南方科技大學唐曉穎
第一環(huán)節(jié)最后，南方科技大學助理教授唐曉穎發(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》 。
演講初始，唐曉穎便提出一個問題，為什么當前整個行業(yè)非常需要做一個自動病變篩查系統(tǒng)？
因為檢測一些微小的病變?nèi)缧用}瘤即便對于高級醫(yī)師來說也是一項巨大挑戰(zhàn)
在這種情況下，如果采用自動的算法，往往會達到一個非常優(yōu)秀的效果。
唐曉穎談到， 病變檢測可以看作是一種目標檢測的方法，而目標檢測則離不開深度學習。高質(zhì)量的大數(shù)據(jù)則是深度學習解決醫(yī)學問題過程中最關鍵的要素之一，然而在病變檢測和分割的任務里，高質(zhì)量的大數(shù)據(jù)卻很難獲取。
以眼底病變?yōu)槔?，如果做像素級的分割，眼底圖像中的每一個有病變的像素，都需要手工進行標注，耗時耗力。
針對這個問題，唐曉穎團隊和中山眼科中心團隊進行了深入探討：如果為每張圖像進行像素級標注，單一張圖像就至少需要六個小時。那么如何在保證減少醫(yī)生標注時間的情況下，同時能得到更多高質(zhì)量數(shù)據(jù)？這便是他們研究的重點。
為此，唐曉穎團隊聯(lián)合中山眼科中心采取了一種折中的方案，在其中一個項目中，他們主要關注出血、滲出和微動脈瘤三種病變，在這過程中，他們在想與其讓醫(yī)生去做像素級的分割，不如先降低綜合人力成本和時間成本，讓醫(yī)生用非像素級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分割耗時的六分之一。出血，團隊標注了590張數(shù)據(jù)集，滲出是600張，微動脈瘤296張。
當然，粗略的分割雖然便捷，但精度相對有限。其次，某一些病變，醫(yī)生在標注的時候，仍然會有很多漏標以及錯標的問題。常規(guī)方法是醫(yī)生，對有問題的數(shù)據(jù)再進行精細化標注，但這件事仍舊非常耗時。
所以唐曉穎團隊提出一種方法，先用自動的算法對數(shù)據(jù)進行重建和圖像增強等預處理，然后把數(shù)據(jù)輸入至深度學習模型，去做病變檢測。這過程中，也采用了目標檢測中的經(jīng)典CNN網(wǎng)絡進行檢測，這一方法總共分為四步，第一步是人為的進行生成數(shù)據(jù)，然后對于預處理，他們采用了CLAHE Preprocessing，去增加病變的對比度，然后會在數(shù)據(jù)中訓練一個邊框回歸，將邊框回歸網(wǎng)絡應用于實際的粗注釋數(shù)據(jù)集，實現(xiàn)細化標注。
在本日議程的下半環(huán)節(jié)，6位專家學者發(fā)表了精彩報告。論壇由浙江省第一醫(yī)院韓偉、海軍軍醫(yī)大學附屬長海醫(yī)院彭亞軍、南昌大學第一附屬醫(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《精準眼科生物測量》
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備輔助，儀器設備的研發(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)測量，因其直接關系到臨床診斷、治療評估和病情隨訪，以及實驗的敏感性、特異性、可重復性、陽性與陰性結(jié)果的理解等。所以眼球生物結(jié)構(gòu)的精準測量是根基，假如沒有精準的測量、計量和標定，未來的眼科AI也很難大規(guī)模推動。
無論是眼前節(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評價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，對于圖像處理的問題，很多時候，研究團隊設計的算法，可能僅針對某款設備適用，卻對于其他設備并不一定兼容，這背后有系統(tǒng)誤差和隨機誤差。假如兩個設備之間存在隨機誤差，則很難做到良好的兼容，AI也難以進行正確的判斷。
2013年，黃錦海團隊也在JAMA上發(fā)表了一篇綜述評論，他們認為現(xiàn)有的眼壓測量技術(shù)存在一定局限的。
最后，黃錦?？偨Y(jié)到，當前的角膜厚度的測量技術(shù)非常多，包括內(nèi)皮鏡、光學低相干衍射儀、光學低相干放射儀、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)測量設備，這些技術(shù)能夠提高重復性和再現(xiàn)性的測量結(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，建議采用相同的設備進行測量和隨訪。
利用OCT進行眼后節(jié)參數(shù)測量時，單個儀器重復性良好，可以提供精準測量結(jié)果，各個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進行眼底血管成像時，分析單個儀器的測量結(jié)果更加可靠。
香港中文大學張艷蕾
本環(huán)節(jié)的第二位演講嘉賓為香港中文大學眼科與視覺科學系助理教授張艷蕾，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，隨后她重點介紹了譜域光學相干層析掃描（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. 手動分割會引起分割誤差，影響檢測的準確性
2. 其他因素可能影響基于內(nèi)置不規(guī)范數(shù)據(jù)庫的RNFL厚度
3.仍需要有經(jīng)驗的青光眼專家進行人工解釋
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 特征未參照相應的功能變化進行地面真值標注。與此同時，也仍然依賴于SDOCT自動分割生成的指標(如RNFL厚度和視網(wǎng)膜邊緣神經(jīng))。
針對上述問題，張艷蕾團隊進行了一種新的嘗試，利用三維SD-OCT進行GON檢測。
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遠不能滿足臨床，首先是中國眼科醫(yī)生非常缺乏，二、三級醫(yī)院眼科醫(yī)生的負擔很重。其次，基層醫(yī)院也缺乏眼科培訓和指導。
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，次要用于搭建遠程醫(yī)療系統(tǒng)，構(gòu)建高質(zhì)量眼科診療平臺。
隨后，陳吉利介紹了上海靜安北部醫(yī)共體糖網(wǎng)人工智能篩查建設項目，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——對患者下一步的治療進行指導，完善AI診斷數(shù)據(jù)及建立數(shù)據(jù)庫。
根據(jù)此項目，陳吉利得出一個結(jié)論，AI在檢測DR和RDR方面具有較高的敏感性和特異性，在中國社區(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法在二維眼底照片上準確地識別糖尿病性黃斑水腫。
與此同時，他們項目組也取得了一個階段性成果，2019年8月21日參加國家食品藥品監(jiān)督管理局醫(yī)療器械技術(shù)評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，中國第一款進入CFDA創(chuàng)新通道審批的人工智能診斷軟件獲得批準。
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，她為與會者帶來演講《基于深度學習的眼前節(jié)OCT圖像角膜組織多病灶自動識別》。
首先，她介紹到了團隊的研究目的，即研究應用深度學習為主的人工智能算法，基于眼前節(jié)光學相干斷層掃描（OCT）圖像，對角膜組織的多種病變區(qū)域進行自動識別，輔助醫(yī)生讀片。
研究方法則是收集了2018年7月至2019年4月于他們院Optovue 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張圖片作為訓練集進行模型訓練，191張圖片作為測試集來驗證模型性能。
每張圖片經(jīng)過臨床醫(yī)生標注和復核，共標注13類常見的異常病灶征象5237個，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%）。
為了定量化評估模型性能，選用準確率、靈敏度、特異度三個評測指標，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閾值。
項目過程中，選用了Mask-RCNN深度卷積神經(jīng)網(wǎng)絡架構(gòu)作為病灶檢測主體網(wǎng)絡，以ResNet50作為特征提取基礎網(wǎng)絡，結(jié)合特征金字塔和注意力機制提取不同尺度的特征表達，經(jīng)RPR網(wǎng)絡推薦候選區(qū)，最終依靠回歸網(wǎng)絡以及分類網(wǎng)絡，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影像評估模型檢測準確率，對于13類病灶檢測靈敏度、特異度均達到90%左右或以上。
武漢大學人民醫(yī)院肖璇
此后，武漢大學人民醫(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用》
肖璇首先介紹到昌江醫(yī)療集團（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)生助理從而簡化信息化系統(tǒng)對接問題，其特點為支持多病種，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)分析提知識庫便于基層醫(yī)生查詢和學習。
AI可輔助慢病如篩查糖網(wǎng)、青光眼、老黃等。具體實現(xiàn)方法，是基于64210張眼底圖像組成訓練，1117張眼底圖驗證集，建立深度學習模型在3210張眼底圖像測試集上測試結(jié)果。
她也在演講中談到，通過數(shù)據(jù)預測昌江實施慢病管理對醫(yī)療費用的影響。借鑒上海DR、溫州青光眼“社區(qū)篩查+遠程診斷+轉(zhuǎn)診治療”眼科慢病管理的衛(wèi)生經(jīng)濟學擬合模型，來預測昌江。
DR：10年內(nèi)防止4800起疾病進展，減少229例盲，節(jié)省2146萬
青光眼：10年內(nèi)防止1.4萬起疾病進展，減少336例盲，觀察周期越長費用節(jié)省效應越大。
她也補充到，已有研究關注發(fā)達地區(qū)，但未必適用昌江，國內(nèi)尚無AMD慢管研究，尚無AI已應用地區(qū)成本效益。
衛(wèi)生經(jīng)濟學研究表明，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鍵因素，我國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。通過模型預測，PACG轉(zhuǎn)診率每提高10%，可節(jié)約費用80萬元，多防止344起進展時間度挽回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，肖璇對未來做出了展望，AI技術(shù)奠基的慢管系統(tǒng)，需要抓兩個基本點，其分別是轉(zhuǎn)診率和隨訪依從性，此外還需探索三個新功能：AI輔助隨訪病程監(jiān)控、AI慢管師交護士慢病教育和個人助手用藥生活方式管理。
同濟大學附屬上海第十人民醫(yī)院高鵬
最后，同濟大學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》報告。
高鵬分別講述了妊高癥和相關眼底改變、AI輔助診斷的意義、AI輔助診斷的實現(xiàn)方式、使用價值和應用前景。
其中，他重點介紹了一個眼底彩照檢查的AI臨床研究課題，聯(lián)合四大合作單位來展開研究，實現(xiàn)方式首先是眼科醫(yī)生按相應標進行特征標注，如二級分支血管動脈和靜水直徑、動靜脈交叉、出血、棉絨斑、硬性滲出、視網(wǎng)膜脫離等特征。
隨后對標注的特征利用卷積神經(jīng)網(wǎng)絡進行訓練，同時融合多模態(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)機器形成算法，計算用來輔功診斷的妊高癥“風險指數(shù)”和“診斷概率”，為醫(yī)生做參考。
最后再進行測試，這方面的數(shù)據(jù)，課題組共收集了五百例左右。在測試過程中，眼底診斷：以一定數(shù)量的標準測試集，計算靈敏性和準確性。妊高癥診斷的測試是綜合眼底檢查、患者一般信息、病史、癥狀、血壓、血檢驗、尿蛋白及其他輔助檢查，給出妊高癥風險指數(shù)和診斷建議，目的是實現(xiàn)對眼底和妊高癥的診斷，從而實現(xiàn)持續(xù)改進的閉環(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)科病房實行眼底檢查更加快捷，對眼底改變的分析可能更為客觀、準確，綜合多因素分析，輔助產(chǎn)科醫(yī)生對妊高癥的診斷。
而這個項目的潛在落地場景，主要存在于：
產(chǎn)科?？漆t(yī)院：非綜合性醫(yī)院，無眼科?？漆t(yī)生配置。
基層醫(yī)院：無眼科專科醫(yī)生配置或眼科醫(yī)生資質(zhì)不足
遠程診療：遠程會診，獲得高級專業(yè)指導
當然，項目也存在著行業(yè)常見問題，如訓練集（學習樣本）能否持續(xù)獲得；重度妊高癥、視網(wǎng)膜病變樣本量偏少；眼底圖片的標注：工作量和標準化問題。
嶺南眼科論壇大會主席袁進
12個報告結(jié)束后，本次大會主席、中山大學中山眼科中心袁進教授進行致辭。
“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，但有一項是不變的，那就是一直以來我們都在打造一個學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)庫的建立，到圖像的測量和分析、分割，再到AI在臨床上的各種應用。我想，這就是我們本次學術(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，從而讓兩者有效融合，打造全新的醫(yī)療模式?！?/p>
注：后續(xù)雷鋒網(wǎng)將陸續(xù)發(fā)布本次大會第二、三日的精彩演講內(nèi)容和嘉賓專訪，敬請期待。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。
