掀开上帝遮住的眼帘，AI如何预防糖尿病并发症引起的失明

药明康德AI/报道

现代人饮食、作息不科学，高糖、高热量的饮食摄入过多，再加之很多遗传性的因素，很多人都会患上糖尿病。由糖尿病引起的视网膜病变是一种主要的致盲因素，然而糖尿病患者如果能及时发现并且进行规范的治疗，多数情况下他们可以摆脱失明的危险。所以现在许多医生也都致力于寻找更多有效的方法预防糖尿病引起的视网膜病变、青光眼等眼疾。许多医生找到了AI“医生”，他们认为人工智能技术能较早的对引起失明的眼疾进行早期筛查。

图片来源：Pixabay

人工智能技术在医学领域的应用可追溯到20世纪中叶，但现在低成本高质量的图像技术和大量客观数据使AI在医学领域的成功性看起来比过去更高了。

目前，规模各异的科技公司，都正积极地利用AI技术开发眼部分析及成像系统。大部分人工智能应用于眼部筛查时都以辅助医生为主，帮助医生更快地发现问题，更像是一个临床助手而非AI“医生”。但美国爱荷华州的IDx公司，却开发出了一套能自主进行眼底筛查的系统——IDx-DR，它是一款针对糖尿病视网膜病变医疗级的AI系统，今年4月获FDA批准，在操作时只需一名技术人员即可。

但用人工智能来替代眼疾治疗仍面临一些挑战，人们对于新的技术也存在诸多疑问，那么接下来就对一些大众普遍存疑的问题做一个简单概述。

问题1：人工智能最有希望治疗哪类眼部疾病？

由糖尿病引起的视网膜病变可以被AI有效预测，并防止糖尿病患者出现失明的情况。视网膜病变是一种糖尿病并发症，也是高收入地区人群较为容易出现的一种疾病。大部分人不会针对糖尿病眼科进行专门的检查，只有当人们视力急剧下降时，才会想到看医生，却为时已晚。据统计，目前在中国糖尿病的患病人数在4000万人以上，这当中约30％左右可能已经有糖尿病视网膜病变，而这之中视力受到严重威胁的可能要在300万左右；美国疾病控制与预防中心(CDC)也估计，到2050年，因糖尿病视网膜病变的人数将增加近一倍，从770万增至1460万。可见，糖尿病对人们视觉影响不容小觑。

也正因糖尿病引起的视网膜病变患者群体庞大、患病情况最为普遍、及早发现能彻底预防失明这几点特征，所以科学家们将其视为AI最有希望治愈的眼部疾病之一。糖尿病视网膜病变时，眼底成像技术是预防患者视力进一步恶化的关键因素。

伦敦穆尔菲尔德眼科医院 (Moorfield Eye Hospital) 与 DeepMind 公司合作，采用 DeepMind 的技术。经研究结果表明，AI眼部筛查技术通过一次扫描，便可以快速检测并识别几十种眼部相关疾病，AI的检查准确度优于眼科医生。与DeepMind合作后，越来越多英国糖尿病患者群体能接受到早期的眼部筛查，这大大降低了英国因糖尿病并发症导致失明的人数。

问题2：如何获得高质量的数据和眼部图像？

从获取高质量图像这一点来说：构建AI眼部筛查技术的模型，医疗影像的成像图片作为算法的学习对象，其清晰度必须有所保证。目前眼部疾病筛查的AI普遍存在这样一种情况：临床试验中拍摄的图像质量高于实际应用。这也就意味着大部分AI眼部筛查技术的模型还存在缺陷。于是，不断进取的科学家们通过科学的手段弥补了这一不足。

为了保证眼部图像的清晰度，IDx采用眼底的成像，其费用成本更低，医生患者能在初级治疗阶段就接触到，同时还能确保图像的清晰度；华盛顿大学（Washington University）医学院的研究团队研发了一项新的眼部成像技术——以DBSI数学模型预测眼疾，该技术基于MRI成像原理，未来会用于研究青光眼与轴突的关系；罗切斯特大学（University of Rochester）的研究团队则研究了一种名为“自适应光学（Adaptive optics, AO）”的成像技术，能拍摄到更细微的细胞层面的图像从而预测眼疾。

图片来源：Pixabay

说完图像，那么如何确保有高质量的数据作为训练AI的基础呢？由糖尿病引起的视网膜病变已经不是一种新的疾病了，多年来医生们一直致力于减少糖尿症并发症的发展。随着时间的推移、治疗的严谨性，视网膜病变的相关疾病数据也变的越来越完善。所以，人们无需担心AI眼部筛查系统的数据集不完善、患者信息不够多元化。

问题3：如何验证人工智能系统预测的准确性？

图片来源：Pixabay

目前有许多医疗健康领域的AI系统，当它们问世时，计算机科学家和医生对于AI的认识存在偏差。相比计算机科学家们构建系统时对算法过程的执着，医生则更关注AI系统到底能给医疗健康带来多大的帮助与发展，比如，实际减少了多少误诊率、预测多少疾病发生等诸如此类的问题。

推荐阅读：《来自中国的临床一线，一项你可能还没听说过的重要AI研究》，这项研究便足以证明人工智能在临床领域应用的可行性以及人工智能预测病变组织的准确性。

那么比较常见的验证方法便是，将AI系统的治疗性能与人类医生的能力直接对比。在采用相同患者数据样本下，两方谁的误诊率更低、那就能直接验证AI系统是否准确。另外，使用患者结果数据来验证AI的性能也是方法之一，所有医疗AI的诞生都是为了治愈人类这个共同的目标，患者结果数据越多也就越能说明AI的治疗能力。

对于一项应用于医疗领域的前瞻性AI系统，其推向市场之前势必要经过FDA的多方审查，所以不管是哪种验证方法都会从系统的安全性、准确性出发，最终向人们提供最先进、优质的医疗手段。

问题4：医疗AI由机器主导？医生主导？

图片来源：Pixabay

AI在运行的过程中，难免会出现一些“算法黑箱”。现有的大部分AI 眼部筛查系统也多是辅助医生，一些关键的决策还是需要医生人为进行决定。

但IDx的AI眼底筛查系统，这项技术完全实现了AI自主诊断、治疗，它也是第一个被FDA批准的用于临床的自主诊断模型。在构建算法的过程中，IDx研究团队聘请了临床专家团队，以医生们日常读片、治疗的丰富经验，与算法一起训练AI，使AI在构建之时就有人的思想。因此，研究团队深入了解了临床决策是如何做出的，他们的AI系统也就完全不需要医生的介入，自主完成诊断即可。当然，当AI在技术、经验上取代医生后，相应的法律责任也由医生转移到了AI公司。IDx公司需要为其AI系统在临床上应用的安全性彻底负责。

问题5：AI预防失明的技术，费用如何？

构建人工智能系统需投入较长的研发时间，费用十分昂贵，一台IDx眼底成像设备价格约为1.5万美元，且IDx的AI使用的商业模式因国家而异。在美国，医保体系下采取的是按次收费的模式，一次检查可生成四张眼底图像，费用约34美元。对于医保体系完整的国家来说，这笔费用完全可负担的。但那些没有医保的人、医保体系不完善的地区、亦或是第三世界国家是不是还能享受科技发展带来的优质医疗手段呢？

随着发展中国家/地区生活水平日益提高，饮食水平的改善、肥胖率上升，糖尿病也会随之成为该地区的大规模流行疾病。因糖尿病导致视力下降的人数无疑会随之增长，当地的医疗保障系统是否足够健全支撑人们享受最先进的科技治疗手段，暂且先打个问号。让我们静待人工智能在医疗健康领域“开花结果”之时。

药明康德AI整理编译 

来源：statnews.com

作者：Lauren Joseph

题图来源：Pixabay

参考资料：

[1] 5 burning questions about using artificial intelligence to prevent blindness. 

Retrieved Jul 17 2019 from

https://www.statnews.com/2019/07/17/artificial-intelligence-to-prevent-blindness/

本文来自药明康德微信团队，欢迎转发到朋友圈，谢绝转载到其它平台。如有开设白名单需求，请在文章底部留言；如有其它合作需求，请联系[e-mail]。

更多文章精选

点击图片阅读：Watson虽陷“泥潭”，IBM再开源3个癌症AI项目，推动癌症领域研究

点击图片阅读：自动预警变质的食物！经过算法训练的AI有“鼻子”有“眼”

点击图片阅读：比医生提早6年预测认知衰退：AI如何应对阿尔茨海默病难题？

点“在看”，分享AI健康新动态