Alpha Go团队首次将AI应用于眼科OCT 达顶尖专家水平

　　DeepMind在《Nature Medcine》发文，首度将AI应用于眼科OCT中，准确度达到顶尖专家水平 。

　　原标题：AI领域又有突破性研究，可为50多种眼科疾病推荐治疗方案

　　《财经》记者 张利 | 文   王小 | 编辑

　　横扫围棋界后，人工智能企业DeepMind近日又在学术期刊《Nature Medcine》发表一项研究。“这项研究或将改变重度眼疾的治疗方式。” DeepMind官网自信地写道。

　　这篇题为《可在临床上用于视网膜疾病诊断和转诊的深度学习》的论文称，系统能诊断包括糖尿病眼病、黄斑病变等50多种眼科疾病，准确度超过专家，并且可推荐相应的诊疗措施。

　　DeepMind 已经成为 AI 领域的明星，其将机器学习和系统神经科学的前沿技术相结合，建立强大的通用学习算法，其开发的AlphaGo打败了世界最顶尖的围棋手。此前有外媒报道，DeepMind 欲将其算法应用到医疗保健行业，包括计划在 5年内使用机器学习处理英国国家医疗服务体系（NHS）。此次发表的研究，正是DeepMind和伦敦摩尔菲尔兹眼科医院（Moorfields Eye Hospital）合作的第一阶段成果，双方合作始于2016年。

　　这项研究填补了人工智能在OCT临床应用中的空白。OCT全称为optical coherence tomography，译为学相干断层成像，广泛应用于视网膜疾病、青光眼、眼前节疾病等眼科疾病的检查。

　　AI在眼科领域的应用已然是AI医疗潮中的一大分支。国内公司多用AI以识别眼底图，以筛查糖尿病性视网膜病变，这是是糖尿病患者失明的主要原因。眼科领域的眼底图与OCT， 类似x光和CT，眼底照通常用于一些疾病的初步检查，而OCT能得到更加微观、更加精确的信息。

　　“该AI系统能以‘前所未有’的准确度快读解读临床中的眼部OCT检查结果。” DeepMind联合创始人Mustafa Suleyman在博客中称。

　　准确率

　　在对DeepMind这一AI系统测试中，错误率为5.5%，而同时，8名专家中最好的两位，错误率分别在6.7%和6.8%。“说明其效果已经能达到人类专家的水平，符合临床应用的要求。”Airdoc算法工程师王欣对《财经》记者分析。

　　如今，OCT检查已经在医院眼科广泛应用，是重度眼疾诊断的金标准。“我们看眼底病，先看OCT检查，再结合眼底照和视力。”一位上海复旦大学附属眼耳鼻喉科医院医生对《财经》记者说，该院有四五台OCT，每天至少有150名患者进行OCT扫描，“已经全部排满了，病人要等” 。

　　在英国，OCT检查被广泛用于急性或慢性视力损伤的患者，快速进行全面评估和分类。

　　虽然OCT应用广泛，但相对于眼底筛查，OCT检查更加难读。AI系统有望能减轻眼科医生的负担。

　　“AI在医学影像中就应该应用于多病种、多部位、多格式。”对此，宜远智能CEO吴博对《财经》记者说，太孤立地做，容易钻牛角尖，一旦遇到瓶颈，孤立病种也没实际意义了。

　　突破性

　　DeepMind的这项研究更具突破性地方在于，采用了一种新颖的算法，使得AI能够适用不同的人群、不同的设备。

　　“尽管最新研究已经显示，AI能在二维图像识别上达到专家水平，但是前瞻性临床试验仍然面临三大难题：一是AI系统（基于一个典型数据集中大量数据训练出的）必须能应用到真实场景，且不损失准确性，同时，对于训练数据没有禁止性要求；二是AI必须能够应用于实际的临床问题，能够方便地进行临床部署和效果评估；三是AI的性能必须在实际场景中媲美甚至超过人类专家的水平。” DeepMind论文中写道，这项研究成果已经在解决这三个问题显示出潜力，但是尚未达到全部三个标准。

　　这意味着AI系统能很好地应用在多家医院、多台设备上，这大大拓宽了DeepMind的客户，系统可以接受更多真实的数据训练，以更好迭代。

　　主流的深度学习方法存在一个明显的缺陷，即它的过程无法描述，犹如一个 “黑箱”，在这项研究中，DeepMind采用了一种新颖的算法来解决这个问题，“能让眼科医生了解系统是如何‘思考’的”。

　　数据是关键

　　如国内绝大多数AI医疗公司一样，DeepMind系统还处于科研阶段。

　　未来5年内，项目合作方——伦敦摩尔菲尔兹眼科医院的30家医院和社区诊所都能免费试用该系统。同时双方还将继续推进这项研究。

　　但不同于国内公司的是，DeepMind面临更严格的数据隐私要求。在这次合作中，DeepMind着重强调了Moorfields 拥有数据所有权。

　　因数据隐私问题，2017年，英国最高隐私保护监管部门裁定，DeepMind一项重要的医学实验违反了英国的数据保护法——这项实验中，NHS向Google DeepMind部门提供了约160万患者的详细资料。该信息用于开发完善一个名为Streams的诊断和检测系统，可以识别处于风险中的患者。

　　如今，AI 算法开源的情况下，数据是关键。AI产品迭代成熟的关键仍是是否能源源不断地合法获取足够的影像数据。