行业|眼科疾病辅助诊断平台：眼科领域的Alphago

随着人工智能技术的迅猛发展及与医疗结合的广泛深入，一些新型医疗设备、方法和形式也随之产生，眼科疾病辅助平台便是其中之一。虽然不能替代医生进行诊断，眼科疾病辅助诊断平台提供的低预测成本、统一化、大计算量、精准且可进行疾病分级的服务可大大减少医生的工作量，提高医院的工作效率。因此该类型平台在全世界范围内发展迅猛，或将成为一种全新的医疗模式。

一、背景分析

1、眼科疾病诊疗现状及相关市场份额

目前我国因眼病或外界因素致盲人数每年都在不断地增长，其中，致盲率最高的眼病有白内障、青光眼、糖尿病视网膜病变、老年性黄斑变性、角膜疾病、高度近视等。其中糖尿病视网膜病变病人失明速度最快且不可逆，同时患者呈逐年上升趋势。

糖尿病已经成为我国广泛存在的疾病之一，根据国际糖尿病联合会（IDF）发布的糖尿病调查数据显示,2015年我国糖尿病人数量已经到了1.14亿，糖尿病性视网膜病变（DR）是糖尿病性微血管病变中最重要的表现，是糖尿病的严重并发症之一，也是最常见的不可逆性致盲性眼病。糖网病早期并没有明显症状，即使出现轻微症状的时候，往往会因为患者缺乏眼部保健意识而延误了最佳治疗时机，最终导致了不可逆转的失明后果。据世界卫生组织（WHO）的报告，中国约5亿成年人处于糖尿病前期，糖尿病患者约有1.1亿人，糖网病约有2700万，其中有1/3（约900 万）面临失明的风险。因此，对其进行前期预防与监测尤为重要。糖网也是目前眼科辅助平台早期诊断的主要诊断对象。

我国糖网病人群占比

据中国眼科行业发展研究报告显示，2014年中国眼科市场规模约为290亿元，2015年中国眼科市场规模约为320亿元；各类视力缺陷导致的社会经济成本将高达5600亿元左右，占GDP的比例高达1.1%左右。同时，全国只有5500家医院有独立的眼科科室，只占医院总量的23%。我国约有1.14亿糖尿病患者，但眼科医生仅不到4万名，患医比远远超过3166：1，这就使得这些医院和眼科医生的负担很重，医患关系紧张。于是乎，眼科医生的时间和精力都就成了一种稀缺资源。对于三四线城市甚至偏远山区的患者，如何让他们也能享受到较高质量的眼科医疗服务，如何提高眼科医生工作效率，如何平衡有限的眼科医疗资源，这一系列问题促使了眼科疾病辅助诊断平台在近年来的迅猛发展。

2、政策需求

2016年5月底，国家发改委、科技部等四部委联合发布《“互联网+”人工智能三年行动实施方案》，并将“人工智能”首次纳入到中国政府工作报告中。2017年7月20日，国务院发布《新一代人工智能发展规划》，提出面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施。规划中提到要推广应用人工智能治疗新模式、新手段，建立快速精准的智能医疗体系。2017年9月，CFDA发布了最新《医疗器械分类目录》，其中新增决策软件类目，此类软件提供辅助诊断或者用药建议等决策，标志了人工智能+医疗辅助诊断的正式上位。同时，眼科疾病辅助诊断平台的成立也顺应了国家“分级诊疗”制度的大环境，这为其发展提供了强大的政策支持。

可以预测，在市场的迫切需要以及相关政策的大力扶持下，眼科疾病辅助诊断平台必将获得迅猛发展。

二、平台技术原理

1、人工智能深度学习

目前人工智能应用在计算机视觉的主要算法是深度神经网络，含多隐层的多层感知器就是一种深度学习结构，由Hinton等人于2006年提出。但是直到2012年Hinton采用了一种新的称为"丢弃" (Dropout) 的算法， 避免了过度拟合，从而让人工智能和深度学习真正的火爆和快速发展。

2、医学影像识别

人工智能深度神经网络是由大量简单的处理单元（神经元）互相连接而形成的复杂网络系统，可模拟人脑对信息的提取与处理过程。神经网络可以通过图像预处理、图像特征提取和分类等步骤识别医学影像，从而可以从大量医学影像中迅速提取有效信息。

3、医学影像判读

人工智能可通过大量的医学影像和医学数据，对模型进行训练和测试，并且通过大量医学知识的学习，最终能够得出准确识别医学影像的人工智能模型，可以识别并且诊断眼科疾病。

三、平台诊断模式

根据现有的平台运行模式，可将眼科辅助诊断平台的处理过程分为两步：

1、人工智能辅助诊断

辅助平台借助于已有的筛查体系所积累的经验及海量医疗数据设计相关人工智能算法，对相关数据进行初步筛选后，率先通过人工智能诊断系统进行智能读片，自动对眼部影像进行分型分类，高效率的甄别和标记出大部分无相关疾病的正常人群和小部分有相关疾病的异常人群，并对有异常的眼底照片，标记出出血和渗出等病变情况，给出分期诊断建议，而眼科医生阅片只需把更多的精力专注于这部分有疾病病变的患者，减少医生看片的重复劳动，大大提升了筛查医生的工作效率。

2、分级处理就医

眼科辅助诊断平台首先对患者进行预分类，随后将患者流入在由中心医院联合区域内的二级医院、社区医院等医疗机构共同组建的分级诊断体系内。中心医院提供远程医疗服务、绿色转诊通道、提供业务帮扶和培训，二级或其它的合作医院提供常规医疗服务、慢病随诊、眼病筛查。平台对患者分级处理就医使得中心医院得到疑难杂症患者以及医疗数据的自动汇总，扩展了医院的品牌影响，二级医院得到了中心医院的资源倾斜，弥补了自身医疗实力的不足。平台的分流也使得医疗资源也得到了合理应用，大大缓解了中心医院的压力，解决医疗资源紧张问题。

四、相关医疗公司现状

眼科辅助诊断医疗是依托人工智能深度学习发展起来的新型诊断方式，其在国内外都属于新兴领域，具体技术和方法目前依旧在改进，尚未形成十分完善的产品与体系。由于我国的医疗资源较为紧缺，国内对分级诊疗部分的模式推广研究较多，国外对人工智能算法研究较深，其辅助诊断方法更为先进。

（一）国外的主流公司

1、Deemind

没错，就是创造了 AlphaGo 的那家公司。DeepMind 于2014年被 Google 收购，现在，他们已经不满足于仅仅让人工智能来下下棋了，而要将人工智能推向医疗领域。DeepMind 切入的领域，是眼科疾病的早期诊断，具体做的就是糖网的早期诊断。

放眼全世界Deepmind在该方面都具有极强优势。第一，背靠谷歌，资金充沛，DeepMind 在2014年被谷歌以4亿美元收购。第二，人才济济，目前 DeepMind 有约100名全职员工，顶级学术期刊经常露脸，科研实力甚至不弱于顶尖大学。Google 为了防止竞争对手挖墙脚，官网没有放出完整员工名单，这引得外界纷纷通过 LinkedIn 、博客等工具来揭秘这支神秘的团队。第三，拥有落地数据源。2016年，DeepMind 与伦敦的墨菲眼科医院合作，开始进行大数据处理影像数据的尝试。在项目中，DeepMind 的软件将会学习超过一百万份眼部扫描资料，从而帮助医生确诊，并判断相关的早期症状。DeepMind 和墨菲眼科医院的合作，能够发现早期糖尿病在眼部影响会引起哪些异常。

2、Watson

IBM 进军眼部医学诊断，它们的目标是——青光眼。IBM 旗下，技术、资源优势明显。IBM 公司的专利数量惊人，截止今年上半年，获批专利数达到了3617项，是同时期 Google 的两倍、苹果的三倍。同时，IBM 还给 Watson 准备了40亿美元用于收购。 同时，其并购企业得来丰厚资源。2015年10月，IBM 宣布以10亿美元收购医疗影像分析公司 Merge Healthcare。2016年2月，IBM 又斥资26亿美元收购医疗数据公司 Truven Health Analytics。在一系列收购之后，IBM Watson 称其数据库已成为全球最大的非政府医疗健康数据库，覆盖人数约3亿。

值得一提的是，Watson 不仅仅是数据库，人工智能的发展将让它成为一流的癌症专家。自2012年起，IBM Watson 已与美国斯隆凯特琳癌症中心开展了四年的合作，共同开发癌症智能诊断项目 Watson Oncology。斯隆凯特琳的癌症专家们训练 Watson 阅读大量的医学报告和论文，帮助 Watson 快速建立起肿瘤学的基础知识储备。Watson 可以整合病人的各项信息，如病史、基因测序结果等到数据库里，与以往病例进行匹配，最终给出诊断结果和个人化的治疗方案。

（二）国内代表机构

1、大恒普信

作为上市企业大恒新纪元科技股份有限公司的下属分公司，大恒普信早在10余年前便开始了眼科信息化的探索。从研发单一眼科软件产品，逐步发展成提供整体解决方案的眼科行业信息化领导者，这个由计算机科学与医学专业交叉融合的团队是国内第一家专注于眼科信息化的高科技公司。

目前，大恒普信已与北京同仁医院、协和医院、上海市眼病防治中心等多个知名眼科研究机构均展开了人工智能AI辅助糖网筛查诊断方面的合作，先后承担了国家十一五、十二五科技支撑计划项目，在眼病智能分析如糖网、白内障识别等领域取得了重大进展，尤其是在糖尿病视网膜病变筛查方面。并相继推出了针对不同病种的图像处理系统，同时在基层眼科筛查、医院门诊、智能诊断和远程阅片会诊等实际应用过程中也获得良好的应用效果。在大恒普信搭建的同仁医院眼科医联体平台里，同仁医院的眼科诊疗已辐射至全国160余家基层医院，每年会诊量超过10万例，至今已累计进行远程阅片40多万次。

2、 肽积木

北京肽积木科技有限公司脱胎于行业知名大数据公司。团队所有成员的大数据行业经验超过3年；曾为龙湖、中粮、印力、联想等行业龙头企业提供过大数据产品&分析营销服务，在产品交付和服务提供方面获得客户广泛赞誉。

肽积木在深度学习方面技术具有国际领先性。专注于利用深度学习网络，辅助医疗影像读图。利用国际顶尖的深度学习技术，学习百万级别医疗影像数据，实现高精度自主学习医生诊断逻辑及经验的成果。肽积木独创的PL-NET（基于局部信息的深度识别网络）在眼底照片渗出、血管瘤等病灶方面的识别准确率已经持平国际顶尖医生。

3、vistal

北京致远慧图科技有限公司（Vistel）成立于2016年，是一家专注于探索人工智能技术（AI）在医疗行业领域应用的技术型公司由英特尔前高管和研究员联手创办。Vistel团队核心成员在计算机技术领域沉淀多年，擅长计算机视觉处理、人工智能、图像标注和大数据计算。其目前所研究主要方向也是糖网的AI算法筛查，科研团队的技术水平较高。Vistal在去年上线了国内首款智能眼疾辅助诊疗系统Eyewisdom。

4、  体素科技

苏州体素科技成立于2016年初，公司在上海、苏州和美国洛杉矶均设有办公室。2016年9月，公司获得550万美元的天使轮融资。2017年5月，公司完成红杉资本领投的千万美金级A轮融资，此轮融资将主要用于扩展已有针对特定重大疾病的医疗影像自动分析服务。

目前体素科技的产品形式主要包括三种类型：在Web客户端的应用，主要是为医院、体检中心、保险公司提供分析服务；云计算服务接口，主要是与影像器械生产商、医疗影像管理系统软件商合作；为第三方医疗数据分析应用上提供云计算平台。

5、Big Vision

苏州比格威医疗科技公司(BigVision)是一个由千人计划获得者、青年973首席科学家创办的新兴高科技公司，目前已获得近千万投资。公司已开发完成一套跨多平台(Windows, Linux, Mac 0S)的眼科影像计算机辅助和分析软件MIPA以及MIAS云平台，支持糖网、青光眼、老年性黄斑变性等10多种疾病，并可根据医生的需求定制开发，满足个性化的科研需求。

6、中山大学中山眼科中心

2017年2月，中山大学中山眼科中心刘奕志教授领衔中山大学联合西安电子科技大学的研究团队，利用深度学习算法，建立了“CC-Cruiser先天性白内障人工智能平台”。患者通过云平台上传图片，即可获得先天性白内障的诊断、风险评估和治疗方案。原创论文2017年2月份在Nature子刊《Nature Biomedical Engineering》杂志作为封面文章（封面故事：前途远大的机器学习）发表，并作为该期精选新闻。

7、泰立瑞

南京泰立瑞获由个人投资的近千万天使轮融资。与其它做高精度算法的公司不同，泰立瑞把着眼点放在基层眼科上，专注于实现低成本医疗级图象采集与分析。泰立瑞试图往便携、轻量级这个方向走，把智能手机和医疗设备相结合。其推出的全球首款临床级手机病理全切片扫描仪是一种创新型尝试，可解决基层影像技术的系列问题。

8、上工医信

上工医信成立于2014年，以眼底影像为切入点，开发了“上工慧眼”系列产品，通过大数据云服务平台AutoEye，以AI技术对合作医院上传的眼底照片进行智能分析，来进行糖网病、其他眼病及心脑血管疾病的筛查。其于去年10月获得千万级人民币Pre-A轮融资，投资方为KIP韩投伙伴和德摩资本。

据了解，“上工慧眼”系列产品目前已经覆盖了全国20多个省份，近300家的医院已将其投入临床应用，其中超过100家的三级医院，包括前100强医院中的17家。

9、Airdoc

相对于其它公司，Airdoc介入人工智能分析医学影像的时间较早，早在2015年便开始了对人工智能相关方面的研究。Airdoc涉及的医学影像分析的领域较为广泛，包括眼部、皮肤、脑部、心血管、肝脏、骨骼、宫颈等。在眼科领域Airdoc研发了多个算法模型，可以有效地辅助医生进行临床诊断。Airdoc花费大量时间从多家国内外顶级医院收集了数十万张眼底照片，构建了超过100层卷积神经网络，最终研发出了Airdoc糖尿病性视网膜病变辅助诊断模型，在灵敏性和特异性等主要指标上，获得了和人类医生相当的结果。

在眼眶病方面，Airdoc产品可以自动获取眼部区域并自动检测角膜，可以准确识别炎症、肿瘤或外伤等病况，可以辅助眼科医生治疗眼眶疾病，类似的模式，还被Airdoc引用到了CT、MRI、X光、心电等领域。

五、问题与前景

眼科疾病辅助诊断平台目前还未大规模投入使用，主要还存在以下问题：

1、无明确行业标准

AI+眼底糖网筛查领域现在缺乏一个行业标准，单纯从数字上来看，似乎所有公司都很好。这是这因为各公司都有自己的数据库，各自的算法都是按照自己的数据进行训练的，然后以自己的数据来验证准确性，或者和大的三甲医院合作进行临床测试。换言之，企业既是选手又是裁判。因此，行业内需要建立一个标准的数据库，这个数据库包含各种各样质量的眼底图像数据，由专家进行标注，然后用这个统一的标准数据库去验证企业做的系统，这样才更有说服力。

2、相关算法还不够成熟

CFDA发布的最新版的《医疗器械分类目录》规定，若诊断软件通过算法，提供诊断建议，仅有辅助诊断功能，不直接给出诊断结论，则申报二类医疗器械，如果对病变部位进行自动识别，并提供明确诊断提示，则按照第三类医疗器械管理。《目录》指出，第三类医疗器械必须做临床试验，第二类器械则有临床试验豁免目录。

目前，不少糖网AI企业都卡在了CFDA认证环节。在这方面，上工医信可以说是走在了行业前列。上工医信从2014年7月就开始了行业布局，如今已顺利通过了二类医疗器械认证。

3、影像质量难以保障

由于技术原理问题，瞳孔较小、晶状体浑浊等人群的免散瞳眼底彩照，图像质量往往达不到筛查的要求。而且出于成本考量，目前基层使用的大多是手持眼底相机，成像质量堪忧。

若解决以上瓶颈问题，眼科疾病辅助诊断平台将呈爆发式发展，或将成为一种全新的医疗模式。

看文章不过瘾，想和业内高手聊一聊？

想发现更多优质项目？

思宇研究院投融资项目交流群等你来撩！

猛戳上方勾搭我们~

为保证大家交流质量，请您提交名片等资料。

作者：史超

【往期精彩回顾】