Deepmind 發布里程碑成果：直面「黑箱」問題，自動檢測 50 余種眼疾特徵

雷鋒網消息，Deepmind發布了與倫敦摩爾菲爾茲眼科醫院（Moorfields Eye Hospital）合作的第一階段成果，這可能會改變眼疾的治療方式與理念。

目前，該研究結果已在《Nature Medicine》上在線發布。

Deepmind團隊表示，AI系統能夠以前所未有的準確度快速解讀常規臨床實踐中眼球掃描結果，可以準確推薦患有50餘種危害視力的眼病患者進行轉診治療，準確程度可以媲美世界頂級的專家醫生。

這些只是早期結果，但表明AI系統可以處理常規臨床實踐中發現的各種患者。從長遠來看，Deepmind希望這將有助於醫生快速確定治療患者的優先順序，儘可能地挽救病人的視力。

眼科的那些難題

診斷成像的體量和複雜性比人類專業知識增長的速度更快。人工智慧在對一些常見疾病的二維照片進行分類方面顯示出巨大的潛力，並且通常依賴於數百萬個帶標註圖像的資料庫。到目前為止，通過三維診斷掃描在現實臨床路徑中達到專家臨床醫生的表現的挑戰仍未解決。

在本文中，Deepmind將一種新的深度學習架構應用於一組臨床上異質性的三維光學相干斷層掃描，這些掃描來自一家大型眼科醫院的患者。在僅接受了14884次掃描訓練後，研究成果的轉診建議在一系列影響視力的視網膜疾病診斷中達到或超過了專家的表現。

Deepmind提出的 AI 框架：a. 原始視網膜 OCT 掃描（視網膜黃斑周圍 6 × 6 × 2.3 mm3） b. 深度分割網路，用手動分割的 OCT 掃描圖像進行訓練 c. 得到的組織分割圖 d. 深度分類網路，使用帶有確診和最佳轉診決定的組織圖進行訓練 e. 預測的診斷概率和轉診建議。

此外，Deepmind證明了，他們的體系架構產生的組織分割可作為一種獨立於設備的表徵；當使用來自不同類型設備的組織分割時，能夠保持轉診準確性。Deepmind的工作消除了以前在更廣泛的臨床使用中遇到的障礙，也不需要來自現實環境中多種疾病的龐大訓練數據。

目前，眼科專業人員使用光學相干斷層掃描（OCT）掃描來幫助診斷眼睛狀況，但這些三維圖像難以閱讀並需要專家解釋。

分析這些掃描所需的時間，再加上醫療保健人員需要查看的圖像的數量之多（僅摩爾菲爾茲眼科醫院每天就有1000張此類圖像），使得掃描和治療之間有很長的間隔期。對於那些需要緊急治療的人來說。如果這些病人情況突變，比如眼睛後部出血，那麼這樣的拖延甚至可能導致病人失明。

Deepmind表示，開發的AI系統就是為了解決這一挑戰。它不僅可以在幾秒鐘內自動檢測眼部疾病的特徵，而且還可以優先推薦需要緊急治療的病人進行轉診治療。這種即時的分類過程大大減少掃描和治療之間的時間，幫助患有糖尿病視網膜病變和年齡相關性黃斑變性的患者避免失明。

從224張OCT 掃描中選擇的三個二維切片，其中左圖為分割測試集、中間為手動分割、右邊為自動分割。

適應性強的技術

Deepmind團隊表明，不僅希望這是一個學術上有趣的結果，而且更希望它用於真正的治療。因此，他們的論文也承擔了AI在臨床實踐中的一個主要障礙：「黑箱」問題。對於大多數AI系統而言，很難準確理解自己提出建議的原因。對於需要了解系統推理的臨床醫生和患者而言，這是一個巨大的問題。他們既需要知道結果，也需要知道結果從何而來。

Deepmind的系統採用了一種新穎的方法來解決這個問題，這個系統通過在兩個不同的神經網路間插入可解釋性表徵而將它們結合起來。雷鋒網了解到，第一個神經網路被稱為分割網路，用來分析OCT掃描，以提供不同類型的眼部組織的圖譜和觀察到的疾病特徵，例如出血、病變、不規則的液體或眼疾的其他癥狀。這類圖像可以讓眼科醫生深入了解系統是如何「思考」的。

第二個網路被稱為分類網路，能夠分析眼科圖像，為臨床醫生提供診斷和轉診建議。更重要的是，這個分類網路會以百分比的形式表達建議，讓臨床醫生能夠了解系統對其分析的信心。

下一階段

雖然Deepmind對他們的這一進展感到非常自豪，但這項初步研究需要轉化為產品，然後在實際應用之前經過嚴格的臨床試驗和監管審批。但DeepMind相信，這個系統能夠及時改變眼病的診斷、治療和管理方式。

Deepmind在Moorfields的合作夥伴希望他們的研究能夠幫助他們改善護理流程，減少臨床醫生的一些壓力，同時降低成本。所以Deepmind也在努力規划下一步的工作。

據雷鋒網了解，如果這項技術在臨床試驗中能被證明其普適性，Moorfields的臨床醫生將能在最初的五年內，在英國國內的30所醫院和社區診所中免費使用它。這些診所每年為300000名患者提供服務，每天接受超過1000份OCT掃描轉診，如果AI技術能夠得到應用的話，每個醫療機構都可以提高準確性和診斷速度。

擴展到新的掃描設備類型

在兩種設備類型上完成的訓練掃描數以及獲得的性能

Deepmind為這個項目做的工作也有助於加速許多其他的NHS的研究工作。Moorfields持有的原始數據集適合臨床使用，但不適用於機器學習研究。因此，Deepmind在清理和標記數據集方面投入了大量資金，目的就是為全世界的眼科研究創建最好的人工智慧資料庫。

改進的資料庫由Moorfields作為非商業公共資產所擁有，並且已經被醫院研究人員用於九項獨立研究。Moorfields還可以使用DeepMind的AI模型進行未來的非商業研究。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！