谷歌醫療心不死，要做AI眼科，用大數據防治糖網病

【編者按】糖網病是糖尿病一種恐怖的併發症，全稱為糖尿病視網膜病變，嚴重者可能引發失明。之前億歐報道過的一家公司就在研發糖網病的大數據演算法，希望儘早篩查出糖網病並對其進行治癒。近日，科技巨頭谷歌也宣布要在該領域有所建樹，立志通過AI技術和大數據的支持完成糖網病的防治。

本文轉載於雷鋒網，作者sunshine_lady；由億歐整理，供行業人士參考。

越來越多的糖尿病患者因視網膜病變而致盲，全世界大約有4.15億的糖尿病患者正面臨這一威脅。如果能有效捕捉到視網膜病變的徵兆特徵，病人是可以通過早期治療而避免失明。但倘若未能對其作出及時的診斷，錯過治療最佳時機，糖尿病引起的失明將是無法醫治的。

但可惜的是，能夠診斷出這一病變的專業醫生數量也是非常有限的，並不是每位糖尿病患者都能得到專家的及時治療。為此，谷歌公司相信通過機器學習方法能夠幫助醫生為病人做出診斷，尤其是那些沒有條件接收專業醫治的糖尿病患者群體。

若干年前，谷歌研究人員就已開始考慮使用谷歌科技來增強糖尿病視網膜病變的檢測過程，並將目光投向當時興起的由機器學習演算法支撐起的計算機視覺技術上。近日，谷歌在《美國醫學會雜誌》發表題為 「Development and Validation of a Deep Learning Algorithm for Detection of Diabetic RetinoPathy in Retinal Fundus Photographs」的論文，正是谷歌研究人員提出的一種基於深度學習的演算法，該演算法能夠在視網膜造影中對糖尿病視網膜病變的跡象做出解釋，幫助醫生克服資源短缺資困難，為更多的病人做出更專業的診斷。

通常，糖尿病人眼部檢查過程是由醫院專家分析病人的眼底造影圖像，並對患病與否以及嚴重程度做出評估。其中，患病嚴重程度的評估是通過檢查眼底病變（如下圖）的形式來判定的，比如微動脈瘤、眼底出血、硬性滲出等，主要參考出血、液體滲出等病況。能對影相中的信息做出解釋，需要很高的專業功底和臨床經驗。如果要為世界各地每位有失明危險的糖尿病患者做出診斷，醫生的數量是遠遠不夠的。

糖尿病視網膜病變患者視網膜基底造影示例。左側圖片采自眼部正常的糖尿病患者（A）；右側圖片采自患有視網膜病變的糖尿病患者（B），圖中顯示出該病人眼底有出血現象（一些小紅點）。（圖片來自Google Research Blog）

通過與美國及印度醫生的密切接觸，谷歌研究人員建立了一個有12.8萬幅圖片組成的數據集，每張圖片都記錄了 3-7 名眼科醫師的評估結果。與該團隊合作的眼科醫師一共54名。這一數據集被用來訓練深度神經網路從而檢測可參考的糖尿病視網膜病變圖片。

為檢驗演算法的性能，該團隊使用兩個獨立的臨床驗證數據集共包括 1.2 萬幅圖片進行測試。每幅測試圖片都進行標記審核。評審專家組由7-8名通過職業資格考核的美國眼科專家組成，通過多數投票通過的方式進行判決。同時保證結果與訓練集所參考的 54名眼科醫師團開出的診斷結果一致。演算法生成的檢測結果與眼科專家診斷結果參見下圖，共對比了9963幅臨床有效集合內的圖片。

黑色曲線表示演算法性能，彩色點表示八位眼科專家對糖尿病視網膜病變（輕度或重度糖尿病視網膜病變，或由糖尿病引起的視網膜黃斑水腫）的臨床診斷結果。實驗數據為9963幅有效圖集。圖中黑色菱形為外科手術操作點，其對應於演算法在高敏感性和高特異性下的操作點。

結果表明，谷歌的演算法診斷性能可以與眼科專家診斷結果相媲美。比如上圖描述的有效集合，演算法獲得0.95的F分數（結合敏感性和特異性指標，取max = 1），相比八位眼科專家的中位數0.91分，該演算法略勝一籌。圖片來自Google Research Blog

這些結果誠然令人激動不已，但是仍有大量工作需要完善。

首先，儘管谷歌傳統的演算法質量評估系統很全面，但是與視網膜專家交流後發現，在定義質量性能方面，還需要更嚴格的參考標準。

其次，谷歌在論文中對2D眼底造影技術的解釋僅僅是糖尿病視網膜病變診斷中眾多步驟的一部分。

在某些情況下，醫生使用的3D圖像技術，即光學相干斷層掃描（OCT），能夠更為詳細地對不同切片上的眼部細節進行檢查。谷歌DeepMind的研究人員已經開始將機器學習應用於這些3D圖像模式。不久的將來，這兩種互補理論可能會共同援助醫生分析眼部疾病的寬頻譜。

針對糖尿病視網膜病變的自適應高精度理論還有著很大潛力，不僅能夠幫助醫生評估更多的病人，而且能為需要專家診斷的人群提供快速通道。

未來，Google將聯手醫生和科學家將該方法的整個過程推廣至全球。為保證利益最大化，谷歌將完善該研究理論並應用於臨床工作流系統。目前，谷歌正與FDA及其他監管部門合作，進一步為臨床研究進行評估。由於近期深度學習進展迅猛，谷歌也期待能夠研究出更加令人振奮的成果。這同時也更好的證明機器學習在解決醫療圖像處理方面表現的非常出色。

2016年最後一場行業盛會，第二屆創新獎評選再度來襲，12月23日，北京亮馬橋四季酒店，見證新資本、新產業、新技術、新理念帶來全新變革。科技賦能產業，見證下一個商業風口！

TAG:億歐網 |

※湖南好厲害！大數據＋移動端讓心腦血管疾病防治管理率大大提高！
※肥胖或可治療？胰腺癌治療有了新思路？看醫學大數據給你解答
※醫學領域的「人工智慧」：用大數據演算法來對抗疾病
※連心醫療CEO章樺：千億腫瘤診療市場，醫療將成大數據下一個用武之地
※基於大數據的未來醫療！不找醫生就可初步診斷，或可改善醫患關係
※它顛覆就醫模式，醫療大健康，大數據，互聯網相結合，利國利民
※利用大數據讓中醫診療變得簡單，「看中醫」在如何轉身與升級？
※疾病之間有何重要聯繫？醫學大數據告訴你答案！
※丙型肝炎病毒在大數據下無處可逃，可成新療法或疫苗靶標
※老中醫用「土辦法」挖掘大數據，篩選出治療痛經的4味經典中藥
※挖掘醫療大數據神器 R語言
※大數據中心在醫院的落地，需如何去做集成融合與利用
※大氣污染致病家族再添一員！大數據證明腎衰竭也與大氣污染密切相關！
※大數據審視大健康：慢病預防的經濟學分析
※中國癌症大數據！有眼的都應當看看！
※觸目驚心 關注中國肺癌大數據
※為什麼要精準預防遺傳性腫瘤？幾大數據告訴你
※中科院田捷：基於醫療大數據和AI技術的影像組學及其應用
※泰心醫院信息中心主任：醫療知識庫的建立，可作為大數據公司技術研究的一個目標