中山大學(xué)中山眼科中心

導(dǎo)言

醫(yī)學(xué)人工智能的浪潮已經(jīng)到來。然而，目前國(guó)內(nèi)醫(yī)學(xué)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(biāo)注方法效率低等一系列問題，同時(shí)許多疾病患病率低，不同學(xué)科數(shù)據(jù)特征迥異，導(dǎo)致現(xiàn)有人工智能算法通常難以應(yīng)對(duì)跨學(xué)科場(chǎng)景。如何利用一流醫(yī)療人才團(tuán)隊(duì)與海量循證醫(yī)療數(shù)據(jù)的優(yōu)勢(shì)，突破僵局，建立中國(guó)特色的醫(yī)學(xué)人工智能發(fā)展模式，仍然是目前中國(guó)廣大人工智能工作者們面臨的重大科學(xué)問題。

在國(guó)家重點(diǎn)研發(fā)計(jì)劃（2018YFC0116500）、國(guó)家自然科學(xué)基金面上項(xiàng)目（81770967）、廣東省科技計(jì)劃項(xiàng)目（2018B010109008）支持下，林浩添教授提出了醫(yī)學(xué)人工智能“樂高”計(jì)劃，以標(biāo)準(zhǔn)化數(shù)據(jù)標(biāo)注模式、提高數(shù)據(jù)標(biāo)注效率、建立醫(yī)療數(shù)據(jù)區(qū)塊鏈等作為切入點(diǎn)，進(jìn)行戰(zhàn)略部署。該計(jì)劃通過將醫(yī)學(xué)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(xué)科的數(shù)據(jù)異質(zhì)性壁壘。作為醫(yī)學(xué)人工智能“樂高”計(jì)劃的首個(gè)研發(fā)成果，Visionome技術(shù)成功實(shí)現(xiàn)了人工智能進(jìn)行跨學(xué)科、多病種應(yīng)用，證明了醫(yī)學(xué)人工智能“樂高”計(jì)劃的高度可行性。目前，團(tuán)隊(duì)已與數(shù)十家醫(yī)院建立合作，加快推進(jìn)醫(yī)學(xué)人工智能“樂高”計(jì)劃的跨學(xué)科應(yīng)用。

首創(chuàng)醫(yī)學(xué)圖像密集標(biāo)注技術(shù)Visionome

醫(yī)學(xué)圖像密集標(biāo)注技術(shù)Visionome是一種基于解剖學(xué)和病理學(xué)特征對(duì)醫(yī)學(xué)圖像進(jìn)行密集標(biāo)注的方法，由林浩添教授、劉奕志教授與西安電子科技大學(xué)劉西洋教授帶領(lǐng)團(tuán)隊(duì)經(jīng)過5年鉆研合作共同研發(fā)完成。與傳統(tǒng)圖片級(jí)分類標(biāo)注方法相比，Visionome技術(shù)可多產(chǎn)生12倍標(biāo)簽，而這些標(biāo)簽訓(xùn)練出來的算法顯示了更好的診斷性能?；诖思夹g(shù)，團(tuán)隊(duì)訓(xùn)練出可準(zhǔn)確識(shí)別多種眼前段病變的裂隙燈圖像智能評(píng)估系統(tǒng)，可應(yīng)用于大規(guī)模篩查、綜合分診、專家級(jí)評(píng)估、多路徑診療建議等多個(gè)臨床場(chǎng)景。不僅在回顧性數(shù)據(jù)集中表現(xiàn)出眼科專家級(jí)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(xué)工程》（Nature Biomedical Engineering，IF=17.135），并進(jìn)入臨床轉(zhuǎn)化應(yīng)用。

Nature Biomedical Engineering在線發(fā)表的文章首頁

2020年6月23日，林浩添教授和劉西洋教授及其團(tuán)隊(duì)面向媒體發(fā)布了這一重磅研發(fā)成果。

新聞發(fā)布會(huì)

簽約儀式

團(tuán)隊(duì)合影

利用人類醫(yī)生學(xué)習(xí)曲線 構(gòu)建醫(yī)學(xué)人工智能學(xué)習(xí)模式

圖像標(biāo)注是所有人工智能算法感知世界的基礎(chǔ)。但是，既往診斷算法常使用單一圖片級(jí)二分類標(biāo)注方法進(jìn)行數(shù)據(jù)集構(gòu)建，損失了大量有效解剖學(xué)信息。團(tuán)隊(duì)觀察到，醫(yī)學(xué)生在學(xué)習(xí)過程中，會(huì)基于少量精密解剖圖和病理圖，不斷加深對(duì)解剖學(xué)、生理學(xué)和病理學(xué)等學(xué)科的學(xué)習(xí)?；诖?，團(tuán)隊(duì)提出構(gòu)想：在醫(yī)學(xué)圖像標(biāo)注過程中，高質(zhì)量的小樣本數(shù)據(jù)集也有潛力訓(xùn)練出診斷性能優(yōu)異的人工智能算法。為證實(shí)這一猜想，團(tuán)隊(duì)決定利用類似DNA序列分割的原理對(duì)醫(yī)學(xué)圖像進(jìn)行分割：建立Visionome密集標(biāo)注標(biāo)準(zhǔn)流程，組織25人專家標(biāo)注團(tuán)隊(duì)將1,772張包含角膜炎、胬肉等感染、環(huán)境、年齡相關(guān)性疾病的眼前段圖像，按照14種解剖結(jié)構(gòu)進(jìn)行區(qū)域分割，對(duì)于6種病變部位按照54種病理性特征進(jìn)行密集標(biāo)注，最終得到了13,404個(gè)解剖結(jié)構(gòu)標(biāo)簽和8,329個(gè)病理特征標(biāo)簽。團(tuán)隊(duì)還使用傳統(tǒng)標(biāo)注方法生成標(biāo)注數(shù)據(jù)集進(jìn)行算法訓(xùn)練和對(duì)比，結(jié)果顯示Visionome數(shù)據(jù)集訓(xùn)練的算法具有顯著更高的診斷準(zhǔn)確率。

Visionome技術(shù)密集標(biāo)注原理

建立功能多樣的裂隙燈圖像智能評(píng)估系統(tǒng)

團(tuán)隊(duì)使用Visionome數(shù)據(jù)集，進(jìn)一步研發(fā)了可針對(duì)多種眼前段疾病，進(jìn)行多區(qū)域識(shí)別和分類的裂隙燈圖像智能評(píng)估系統(tǒng)。該系統(tǒng)可完成4項(xiàng)臨床任務(wù)：

1）大規(guī)模篩查，即對(duì)眼前段圖像進(jìn)行正常/異常判斷，準(zhǔn)確率高達(dá)98.54%；

2）綜合分診，即定位眼前段圖像病變所在解剖部位，平均準(zhǔn)確率為93.75%；

3）專家級(jí)評(píng)估，即針對(duì)特定解剖部位描述多項(xiàng)病理體征，準(zhǔn)確率均在為79.47%以上；

4）多路徑診療建議，即綜合上訴診斷結(jié)果及患者自報(bào)告的癥狀等信息，進(jìn)行診療方案建議。上述模型準(zhǔn)確率均在外部驗(yàn)證中達(dá)到了眼科專家水平。

為了進(jìn)一步評(píng)估系統(tǒng)的可延展性，團(tuán)隊(duì)使用了20種系統(tǒng)未學(xué)過的眼病進(jìn)行測(cè)試，包括眼科十大急癥及其他復(fù)雜眼病如圓錐角膜，虹膜囊腫，視網(wǎng)膜母細(xì)胞瘤等，系統(tǒng)在大規(guī)模篩查場(chǎng)景中達(dá)到了84.00%的準(zhǔn)確率。說明Visionome在密集分割的同時(shí)讓算法得到了舉一反三的診斷能力，具有跨?？谱R(shí)別多病種的潛力。

裂隙燈圖像智能評(píng)估系統(tǒng)可針對(duì)4項(xiàng)臨床任務(wù)快速生成評(píng)估報(bào)告

在真實(shí)世界臨床評(píng)測(cè)中表現(xiàn)出色

臨床試驗(yàn)是檢驗(yàn)人工智能臨床應(yīng)用的重要評(píng)判方法。因此，團(tuán)隊(duì)進(jìn)一步設(shè)計(jì)了前瞻性臨床試驗(yàn)，在中山眼科中心和越秀區(qū)社區(qū)衛(wèi)生服務(wù)中心進(jìn)行，使用大量真實(shí)世界臨床數(shù)據(jù)，對(duì)裂隙燈圖像智能評(píng)估系統(tǒng)分別進(jìn)行了評(píng)測(cè)。結(jié)果顯示，該系統(tǒng)能出色完成4項(xiàng)臨床任務(wù)。調(diào)查問卷顯示，患者愿意在家和診所使用這個(gè)系統(tǒng)，該系統(tǒng)能加深他們對(duì)于疾病的理解，緩解就醫(yī)心理壓力。

該系統(tǒng)在回顧性外部驗(yàn)證中表現(xiàn)媲美眼科專科醫(yī)生

推動(dòng)成果轉(zhuǎn)化應(yīng)用 實(shí)現(xiàn)創(chuàng)新價(jià)值

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(gè)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(xì)、具體的報(bào)告，真正讓醫(yī)學(xué)人工智能應(yīng)用揭開神秘的面紗，成為一個(gè)接地氣的“醫(yī)生”。這不僅為罕見病學(xué)科等數(shù)據(jù)難以積累的醫(yī)學(xué)人工智能應(yīng)用打開了突破口，同時(shí)也進(jìn)一步為人工智能算法層面跨病種應(yīng)用打通了壁壘。目前，團(tuán)隊(duì)已與萬靈幫橋醫(yī)療器械（廣州）有限責(zé)任公司合作將該研究成果投入臨床應(yīng)用轉(zhuǎn)化階段。未來雙方將以院企合作的形式，在促進(jìn)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，積極助力我國(guó)醫(yī)學(xué)AI產(chǎn)業(yè)化發(fā)展。

區(qū)塊鏈技術(shù)助力下一戰(zhàn)略布局

本項(xiàng)研究成果有效解決了數(shù)據(jù)樣本量小和數(shù)據(jù)浪費(fèi)等問題，但仍對(duì)標(biāo)注數(shù)量及質(zhì)量有很高要求。為了建立可跨專科自動(dòng)分割識(shí)別醫(yī)學(xué)圖像的結(jié)構(gòu)化技術(shù)，有必要納入更多疾病學(xué)科醫(yī)學(xué)數(shù)據(jù)，從而實(shí)現(xiàn)醫(yī)學(xué)人工智能“樂高”計(jì)劃在其他疾病學(xué)科的推廣應(yīng)用。然而，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(gè)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(tuán)隊(duì)以區(qū)塊鏈技術(shù)優(yōu)勢(shì)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(diǎn)，基于區(qū)塊鏈開放共識(shí)、不可篡改、易于追溯等特點(diǎn)，進(jìn)行醫(yī)療健康區(qū)塊鏈技術(shù)的戰(zhàn)略布局。

拼搏青春與團(tuán)隊(duì)共同成長(zhǎng)

本研究大量研發(fā)工作是由核心成員在研究生期間合作完成。作為本次研究成果的共同第一作者，中山眼科中心李王婷、楊雅涵兩位博士研究生與西安電子科技大學(xué)張凱博士等其他團(tuán)隊(duì)成員進(jìn)行了深度合作，從生理學(xué)、病理學(xué)、解剖學(xué)、診斷學(xué)等幾個(gè)不同的角度著手，在經(jīng)歷多次標(biāo)注方案失敗、測(cè)試和優(yōu)化后，最終明確Visinome圖像密集標(biāo)注方案，并逐步完成了軟件設(shè)計(jì)、網(wǎng)站部署、臨床應(yīng)用及評(píng)估等工作。

同時(shí)，兩人也在研究過程中迅速成長(zhǎng)，不僅在國(guó)際和國(guó)內(nèi)學(xué)術(shù)會(huì)議上積極進(jìn)行學(xué)術(shù)交流，而且還分別作為課題負(fù)責(zé)人獲得了中山大學(xué)優(yōu)秀研究生創(chuàng)新發(fā)展項(xiàng)目立項(xiàng)，并出色地完成了課題任務(wù)。他們表示，“十分感恩和榮幸能深度參與這項(xiàng)研究。剛加入團(tuán)隊(duì)的時(shí)候我們還只是青澀的碩士研究生，但現(xiàn)在，我們不僅對(duì)科學(xué)研究有了更系統(tǒng)全面的認(rèn)識(shí)，而且還鍛煉發(fā)展了獨(dú)立思考和解決科學(xué)問題的熱情和能力。”

本次成果通訊作者林浩添教授、劉奕志教授和劉西洋教授（上）及核心作者李王婷、楊雅涵和張凱（下）