雷鋒網(wǎng)消息，近日，第四屆嶺南眼科論壇暨第二屆全國眼科人工智能大會在廣州舉辦。大會以“Eye+AI”為主題，由廣東省醫(yī)師協(xié)會眼科分會、中國醫(yī)藥教育協(xié)會智能醫(yī)學專委全國智能眼科學組主辦，中山大學中山眼科中心、廣東省醫(yī)師協(xié)會眼科醫(yī)師分會青年委員會、廣東省眼科診斷與治療創(chuàng)新工程技術(shù)研究中心承辦。

本次大會設置了近80個主題演講，與人工智能相關的主題有“AI技術(shù)與眼科實踐”、“Eye+AI”、“眼科AI技術(shù)應用”，涉及青光眼、白內(nèi)障、角膜病、糖尿病視網(wǎng)膜病變等多個關注度較高的病種。

大會同期進行了基于眼底照相的DR篩查AI系統(tǒng)應用指南的發(fā)布推廣儀式。全國智能眼科學組組長、大會主席袁進教授對此進行了解讀。

袁進教授來自中山大學中山眼科中心。他表示，人工智能和眼底相機的結(jié)合，無論從目前的基礎研究還是臨床研究，都充分展示了人工智能在眼底篩查，特別是糖網(wǎng)篩查中的價值和應用前景，也為醫(yī)生帶來眼病篩查的全新模式。

據(jù)雷鋒網(wǎng)了解，全國智能眼科學組花費了將近一年的時間，歷經(jīng)50多稿的討論修改，最后將中英文版本同步發(fā)表在《中華實驗眼科雜志》以及國際的臨床實踐指南平臺上。

指南涵蓋了AI篩查系統(tǒng)從構(gòu)建到應用的全過程，從圖像的獲取、特征的提取量化、特征值的選擇降維、模型的訓練以及性能評估都給出了明確的建議。

在袁進看來，基于這樣的一個平臺，企業(yè)可以不斷地打造更好的算法模型，在功能診斷、遠程判斷、全程預警等方面發(fā)揮更好的作用。

以下為袁進教授的演講內(nèi)容，雷鋒網(wǎng)做了不改變原意的編輯

袁進：非常感謝大家參加此次大會。我們這次發(fā)布的臨床指南會為我們的研究提供框架性的建議。我們?yōu)槭裁匆贫ㄟ@樣一個指南？這個指南在糖尿病視網(wǎng)膜篩查的臨床應用當中會有怎樣的啟示？這需要我們進行深入思考和解讀。

根據(jù)公開的醫(yī)療統(tǒng)計數(shù)據(jù)顯示，中國的糖尿病患病率逐年增加，中國有將近1.39億的糖尿病患者，是世界上糖尿病患者最多的國家。

糖尿病在發(fā)病早期就會引起微血管病變，從而導致糖尿病視網(wǎng)膜病變。糖尿病視網(wǎng)膜病變在糖尿病患者中的發(fā)病率預估在18%-35%之間，糖尿病視網(wǎng)膜病變的發(fā)展會導致視力損傷。

所以，對糖尿病視網(wǎng)膜病變早期的發(fā)現(xiàn)和干預，是防止視力損傷的重要環(huán)節(jié)。

實際上，從國家到地方，對糖尿病視網(wǎng)膜病變的篩查都非常重視，有非常多的平臺和項目去做糖尿病視網(wǎng)膜病變的篩查。但是實際上，目前的篩查率不足10%。

為什么大家對糖尿病視網(wǎng)膜病變這么重視，也建立了很好的平臺，卻不能進行有效的篩查？這個問題其實也是醫(yī)療領域的一個通用性問題——“三缺問題”。缺專業(yè)的診斷人才，中國目前注冊有3.2萬名眼科醫(yī)生，眼底的專科醫(yī)生大概只有3000到4000人。醫(yī)生工作負擔重，沒有多余精力去做人群篩查。

此外，基層缺乏專業(yè)的診斷設備，也缺乏對圖像檢查結(jié)果進行的正確診斷解讀的系統(tǒng)。這是篩查過程中面臨的主要問題和挑戰(zhàn)。

AI技術(shù)和眼科的深度結(jié)合，為問題的解決打開了一扇新的大門。人工智能和眼底相機的結(jié)合，無論從目前的基礎研究還是臨床研究，都為我們充分展示了人工智能在眼底篩查，特別是糖尿病視網(wǎng)膜病變篩查中的價值和應用前景，也為我們帶來眼病篩查的全新模式、全新階段。

糖尿病視網(wǎng)膜病變篩查是AI領域研究中非常熱門的領域，很多AI企業(yè)都涉及到此方面。但是在項目的研究和落地過程中，會遇到很多的挑戰(zhàn)和問題。

首先是數(shù)據(jù)來源問題，是醫(yī)院提供的數(shù)據(jù)，還是從公開數(shù)據(jù)集來的數(shù)據(jù)，還是花錢去購買的數(shù)據(jù)？這些數(shù)據(jù)有沒有經(jīng)過標準化，有沒有經(jīng)過清洗？

其次，使用什么算法？需要注意的是網(wǎng)絡上有很多開源算法，這降低了AI研究的門檻，但某種程度上也降低了算法的準確性。

2019年6月份的一份調(diào)查報告的數(shù)據(jù)顯示：86.2%的AI研究者使用的是開源的學習框架。那些根據(jù)自己的需求去設計，做算法模型的大概只有1.6%。這里面會衍生出一個問題：開源開發(fā)框架是否適合我們想要解決的專項問題？是否需要對如何選擇算法模型進行相應地規(guī)范？

算法模型在理論上可能得到很好的結(jié)果，但是進入到真實世界中會怎樣？在進入臨床以后，我們應該如何開展多中心、大規(guī)模的臨床研究？要怎樣建立一個規(guī)范的流程，形成一個反饋機制，去驗證AI篩查系統(tǒng)的敏感度和準確度，這都是我們面臨的挑戰(zhàn)。

如何解決這些問題，將決定我們的AI研究能夠走多深、走多遠，決定了研究是否嚴謹、是否科學。

基于此，我們組建了智能眼科學組這樣一個平臺。這是一個很好的學科交叉融合平臺。我們邀請了“中檢院”（中國食品藥品檢定研究院）醫(yī)療器械相關標準的制定專家、臨床專家、算法專家一起來解決問題，來探討人工智能篩選系統(tǒng)應該遵循一個什么樣的標準和規(guī)范。

我們首先梳理閱讀了人工智能和糖尿病視網(wǎng)膜病變的總共130余篇文獻。同時我們也參考了糖尿病眼底視網(wǎng)膜病變防治方面的臨床指南，包括國內(nèi)的四個指南，以及國際上的PPP、ICO、IDF組織推薦的眼底篩查的指南。

在這里面需要對文獻的證據(jù)等級進行分級。我們一般認為1A、1B、2B、2C等級的文獻是證據(jù)強度比較高的，這些高質(zhì)量證據(jù)占到了60%以上，那么基于這樣高強度的證據(jù)支持，我們才能夠給出規(guī)范性的建議。

我們學組花費了將近一年的時間，歷經(jīng)50多稿的討論修改。最后將中英文版本同步發(fā)表在《中華實驗眼科雜志》以及國際的臨床實踐指南平臺上。

指南涵蓋了AI篩查系統(tǒng)從構(gòu)建到應用的全過程，從圖像的獲取、特征的提取量化、特征值的選擇降維、模型的訓練以及性能評估都給出了明確的建議。

首先我們對數(shù)據(jù)集的質(zhì)量和數(shù)量提出要求，指南要求訓練集至少來自于兩家以上的獨立的醫(yī)療機構(gòu)。 如果不是有特殊的機型要求，我們要求至少五種品牌以上的眼底相機，這樣才能具有一個跨平臺的驗證效應。

針對疾病每一級要求至少要一千張以上的訓練集。因為我們開發(fā)的是針對中國人的篩查平臺，所以95%以上的數(shù)據(jù)應該是來自于黃種人，而不是來自于其他人種的公共數(shù)據(jù)集。

同時，我們還需要有至少500個糖尿病視網(wǎng)膜病變以外的其他眼底疾病作為參照、500個正常人作為對照，這是一個基本的數(shù)據(jù)量要求。

有了訓練集以后，才可以進一步對圖像進行標注。標注人員要不少于3名，必須要有相應資質(zhì)，還要遵循多數(shù)同意的規(guī)則。標注主要完成兩個任務：第一個是對疾病診斷進行定性，是否可以明確診斷；第二個是對陽性體征進行定量標注，有助于后面的病情等級的劃分。

接下來是測試集的構(gòu)建，測試集需要進行分層的隨機抽樣，同樣也有數(shù)量的要求。對于DR（糖尿病視網(wǎng)膜病變）要求至少有5000張以上的病例。I期以上至少要求有2500張，同時結(jié)合統(tǒng)計學的要求，要進行靈敏度、特異度、ROC值的評判。

同時，還要求對算法模型進行重復性的評價，包括算法本身的重復性、拍照的重復性，各方面全部都要進行驗證。

算法的落地還需要對硬件平臺做出要求。我們的硬件平臺主要涉及到采集所使用的眼底相機。指南里對眼底相機的采集參數(shù)，包括背景的曝光補償、解析度等等都有明確的規(guī)范。這些指標都會對AI算法的準確性產(chǎn)生很大的影響。

有了硬件要求后，還需要對拍攝標準進行規(guī)范。圖像采集根據(jù)ETDRS標準，7方位。這更適合疾病的精細化區(qū)分。篩查一般有兩種視野拍照方法，一種是單視野法，一種是雙視野法。

單視野要求黃斑和視盤的連線的中點作為中心大于60度。

如果是雙視野，一個以黃斑為中心，一個以視盤為中心。那么這樣可以得到更多有效的數(shù)據(jù)。

同時還需要建立圖像質(zhì)控標準。沒有質(zhì)控標準，假陽性或者假陰性率會非常高。這也是為什么很多算法系統(tǒng)一旦離開了測試集，進入到真實世界后，會出現(xiàn)顯著的準確性下降。質(zhì)控標準針對不同等級、不同環(huán)節(jié)都有規(guī)定，同時可以對異常的圖像去尋找原因和進行校正。

接下來是報告的輸出，大家在臨床中也接觸過不同類型的輸出報告。報告的基本要求有受試者和信息圖像設備的信息。

此外，還有AI系統(tǒng)的信息，包括你用的是什么算法，你使用的哪一代的AI系統(tǒng)，因為后面系統(tǒng)會不停地去迭代。同時，還包括質(zhì)量評估的標準，和篩查的初步結(jié)果。

還有很重要地一點是權(quán)責說明。目前，AI只能作為臨床輔助決策，它還不能取代醫(yī)生對疾病做出獨立診斷，這是非常重要的一點。

有了這個系統(tǒng)后，我們接下來怎樣去做臨床地驗證和評估？

在指南里面我們結(jié)合了AI和疾病的特點給出了建議。針對1型和2型糖尿病，在沒有明確發(fā)現(xiàn)糖尿病視網(wǎng)膜病變之前，應該在首次眼底檢查后每年進行一次篩查。對于高危情況例如妊娠糖尿病，可能每3-12個月進行一次篩查。如果病情較重，可以1-3個月。此外，還要根據(jù)視力的變化，如果矯正視力大于0.6，沒有明顯的眼底病變，可以1年篩查一次。如果有明顯視力損害，矯正視力小于0.6，病變在1期和2期，應該保持每3個月一次隨訪。如果病變在3期和4期，需要臨床醫(yī)生來判斷隨訪時間。

我們借助AI篩查系統(tǒng)，不僅可以完成篩查任務，還可以建立隨訪隊列，對病情進行全程監(jiān)控。在這個過程中，隨著篩查的病人的數(shù)據(jù)量越來越大，這時候會有數(shù)據(jù)存儲和安全的要求。

我們在做算法研究的時候，不管是其他機構(gòu)提供的數(shù)據(jù)還是后期真實世界的研究，首先要對數(shù)據(jù)進行分類，究竟是結(jié)構(gòu)化數(shù)據(jù)還是非結(jié)構(gòu)化數(shù)據(jù)；然后進行數(shù)據(jù)的脫敏，患者的個人信息不能顯示在系統(tǒng)中；之后，再進行數(shù)據(jù)清洗和多元性的數(shù)據(jù)融合，這都需要建立一個很好的數(shù)據(jù)的存儲和納入體系。

同時，還要建立安全性的標準，因為數(shù)據(jù)安全也非常重要，之前在一些醫(yī)療機構(gòu)已經(jīng)出現(xiàn)了數(shù)據(jù)外泄，以及醫(yī)院數(shù)據(jù)庫被外網(wǎng)黑客攻擊的情況。數(shù)據(jù)安全非常重要，AI本身就是基于醫(yī)療大數(shù)據(jù)的研究。

我們擁有了這樣一個全鏈條的指南，它從數(shù)據(jù)的采集到數(shù)據(jù)的標注，從算法模型的建立測試到硬件的要求，從拍攝的標準質(zhì)控到應用后的隨訪，都給出了一個完整的建議。它會很好地幫助我們以后規(guī)范地開展臨床研究。

指南在發(fā)布不到三周的時間內(nèi)，展示超過7萬余篇次。很多知名期刊頁面都對我們的指南進行了鏈接和推廣。所以基于這樣的一個平臺，不斷的去打造更好的算法模型，更規(guī)范的去推廣，將來可以做到功能診斷、遠程判斷、全程預警，迎來一個人工智能在眼科的新時代。

國家已經(jīng)對人工智能提出了一個非常高的戰(zhàn)略的要求，這將是我們國家2025年新時代的主要規(guī)劃。在這樣一個背景下，我們在推動眼科AI的進一步的發(fā)展過程中，需要更多的同道一起共同努力。讓我們一起攜手打造一個屬于我們的眼科AI新時代，謝謝大家。