首創(chuàng)醫(yī)學圖像密集標注技術(shù)Visionome

據(jù)了解，目前國內(nèi)醫(yī)學人工智能發(fā)展仍面臨優(yōu)質(zhì)數(shù)據(jù)提取困難、現(xiàn)有數(shù)據(jù)標注方法效率低等一系列問題，同時許多疾病患病率低，不同學科數(shù)據(jù)特征迥異，導致現(xiàn)有人工智能算法通常難以應對跨學科場景。如何利用一流醫(yī)療人才團隊與海量循證醫(yī)療數(shù)據(jù)的優(yōu)勢，突破僵局，建立中國特色的醫(yī)學人工智能發(fā)展模式？中山大學中山眼科中心林浩添教授提出了醫(yī)學人工智能“樂高”計劃，以標準化數(shù)據(jù)標注模式、提高數(shù)據(jù)標注效率、建立醫(yī)療數(shù)據(jù)區(qū)塊鏈等作為切入點，進行戰(zhàn)略部署。該計劃通過將醫(yī)學數(shù)據(jù)轉(zhuǎn)化成可以拼插組合的“樂高”模塊，打通不同疾病學科的數(shù)據(jù)異質(zhì)性壁壘。作為醫(yī)學人工智能“樂高”（Visionome技術(shù)）計劃的首個研發(fā)成果，Visionome技術(shù)成功實現(xiàn)了人工智能進行跨學科、多病種應用，證明了醫(yī)學人工智能“樂高”計劃的高度可行性。目前，團隊已與數(shù)十家醫(yī)院建立合作，加快推進醫(yī)學人工智能“樂高”計劃的跨學科應用。

林浩添介紹，具體來說，醫(yī)學圖像密集標注技術(shù)Visionome是一種基于解剖學和病理學特征對醫(yī)學圖像進行密集標注的方法。與傳統(tǒng)圖片級分類標注方法相比，Visionome技術(shù)可多產(chǎn)生12倍標簽，而這些標簽訓練出來的算法顯示了更好的診斷性能?；诖思夹g(shù)，團隊訓練出可準確識別多種眼前段病變的裂隙燈圖像智能評估系統(tǒng)，可應用于大規(guī)模篩查、綜合分診、專家級評估、多路徑診療建議等多個臨床場景。不僅在回顧性數(shù)據(jù)集中表現(xiàn)出眼科專家級別的診斷水平，在前瞻性數(shù)據(jù)集中也表現(xiàn)出色。最新研究成果“Dense anatomical annotation of slit-lamp images improves the performance of deep learning for the diagnosis of ophthalmic disorders”于2020年6月22日發(fā)表于《自然》雜志的子刊《自然生物醫(yī)學工程》（Nature Biomedical Engineering，IF=17.135），并進入臨床轉(zhuǎn)化應用。

4項臨床任務準確率達到了眼科專家水平

團隊使用Visionome數(shù)據(jù)集，進一步研發(fā)了可針對多種眼前段疾病，進行多區(qū)域識別和分類的裂隙燈圖像智能評估系統(tǒng)。該系統(tǒng)可完成4項臨床任務：包括大規(guī)模篩查，即對眼前段圖像進行正常/異常判斷，準確率高達98.54%；綜合分診，即定位眼前段圖像病變所在解剖部位，平均準確率為93.75%；專家級評估，即針對特定解剖部位描述多項病理體征，準確率均在為79.47%以上；多路徑診療建議，即綜合上訴診斷結(jié)果及患者自報告的癥狀等信息，進行診療方案建議。上述模型準確率均在外部驗證中達到了眼科專家水平。

林浩添介紹，通俗來說，對于應用在病人身上，只要在眼科拍攝一張圖片采集數(shù)據(jù)，即可立刻診斷出病灶，初步排查出超過5種眼表疾病。

此外，評估系統(tǒng)還具備舉一反三的診斷能力。據(jù)介紹，團隊同時使用了20種系統(tǒng)未學過的眼病進行測試，包括眼科十大急癥及其他復雜眼病如圓錐角膜，虹膜囊腫，視網(wǎng)膜母細胞瘤等，系統(tǒng)在大規(guī)模篩查場景中達到了84.00%的準確率。說明Visionome在密集分割的同時讓算法得到了舉一反三的診斷能力，具有跨專科識別多病種的潛力。

推動成果轉(zhuǎn)化讓人工系智能成為接地氣的“醫(yī)生”

使用者通過在Visionome診斷系統(tǒng)中上傳眼前段圖像，即能一次獲得多個部位的全方位診斷，與傳統(tǒng)的人工智能算法相比，Visionome系統(tǒng)可生成更加全面、精細、具體的報告，真正讓醫(yī)學人工智能應用揭開神秘的面紗，成為一個接地氣的“醫(yī)生”。據(jù)介紹這不僅為罕見病學科等數(shù)據(jù)難以積累的醫(yī)學人工智能應用打開了突破口，同時也進一步為人工智能算法層面跨病種應用打通了壁壘。

目前，團隊已與萬靈幫橋醫(yī)療器械（廣州）有限責任公司合作將該研究成果投入臨床應用轉(zhuǎn)化階段。未來雙方將以院企合作的形式，在促進高新技術(shù)成果孵化、培育與產(chǎn)業(yè)化落地等方面開展持續(xù)深入合作，積極助力醫(yī)學AI產(chǎn)業(yè)化發(fā)展。

此外，由于醫(yī)療健康數(shù)據(jù)是患者的生物密碼，數(shù)據(jù)隱私與數(shù)據(jù)安全尤為重要，因此傳統(tǒng)的醫(yī)療健康數(shù)據(jù)囿于技術(shù)限制，僅能分散下沉于各個醫(yī)院，形成數(shù)據(jù)孤島。醫(yī)療信息的傳遞、共享和數(shù)據(jù)安全是下一戰(zhàn)略布局面臨的首要問題。目前，團隊以區(qū)塊鏈技術(shù)優(yōu)勢與醫(yī)療健康數(shù)據(jù)傳輸共享技術(shù)相結(jié)合作為切入點，基于區(qū)塊鏈開放共識、不可篡改、易于追溯等特點，進行醫(yī)療健康區(qū)塊鏈技術(shù)的戰(zhàn)略布局。