中山眼科中心与合作伙伴在推动AI眼科医疗落地方面的进展

在眼科AI领域，目前中国的研究与世界一流水平并行，中山大学眼科中心是国内眼科AI的先行者，在先天性白内障、糖网、青光眼、近视眼等相关医疗AI研究领域都做出了业界瞩目的成果。

在学术研究方面，2017年，中山眼科中心刘奕志院长牵头研发构建了全球首个人工智能白内障诊疗云平台，以封面文章发表在Nature Biomedical Engineering，并在广州开启了全球首个眼科人工智能机器人门诊，作为唯一由中国团队完成的入选项目，被IEEE Spectrum评选为“影响全球医学界的11大AI事件”。

刘奕志院长基于大数据展示了真实世界青少年近视眼发生、进展与稳定规律，以此建立了人工智能预测系统，实现了对近视进展趋势进行个体化预测。除此之外，中山大学眼科中心的研究团队还参与了国际多中心的眼底照AI算法研究，开发了基于眼底彩照的可用于糖网、AMD等疾病筛查的算法，相关文章发表于顶级综合期刊JAMA、顶级糖尿病杂志Diabetes Care、眼科排名第一的Ophthalmology杂志。

张秀兰教授带领的团队专注于青光眼的智能诊断算法研究，通过与中科院深圳先进技术研究院、百度以及国内十余家眼科机构紧密合作，目前该团队已开发基于深度神经网络的视野判读系统iGlaucoma 1．0，用于区分属于青光眼或非青光眼视野。基于上万份有标签的视野报告得到的结果，并发表文章，诊断准确度达到87．6％，目前正在进行多中心临床验证。

该团队正与国内10个中心共同开发可以同时判读视野和OCT多模态报告的神经网络iGlaucoma 2．0。进一步研究将利用眼前节OCT、视野、后节OCT有标签的数据开发人工智能算法，以建立联合前后节影像数据的人工智能青光眼诊断平台iGlaucoma3．0。

因为青光眼的诊断复杂性，相关AI算法的开发难度非常大，所以这将是一个长远的课题，团队也制定了详尽的后续研究计划，目标是打造多模态人工智能青光眼诊断决策平台，最终做到辅助人类进行决策。

正如美国斯坦福大学计算机科学系李飞飞教授对ImageNet数据库的建设引爆了这一轮人工智能研究的热潮，在医疗人工智能领域，数据同样至关重要。目前眼科AI尚无统一的官方标准，不过公认的原则是参与标注的人员越多、数据量越庞大，数据库的质量会相对更高。数据库的建设关系到算法的开发与性能提升，因此是非常重要的环节。

由于没有相应完备数据库支持病灶定位功能训练，目前的眼科AI局限于诊断，在具体病灶定位方面的能力还相对薄弱。张秀兰教授与其合作伙伴意识到目前医疗AI开发的困境是由于优质影像资料的匮乏。

因此，从2018年起，中山眼科中心开始涉足公共数据库建设。2018年9月，中山眼科中心与百度、维也纳眼科医院在医疗影像顶级大会MICCAI上发布了全球第一个完全开放的青光眼的眼底照精标数据库，吸引了全世界300多个研究组的参与，后续还发布了AMD、病理性近视的数据库。

这一数据库在建设方面严格把关，每一张图像都由7位专业医师重复标注，再由上一级专家审核，在业界产生了较大反响。未来，张教授及其合作伙伴还将发布更大规模的数据库，以促进眼科医疗AI的蓬勃发展。除科研外，面向产业落地，张教授也在推动AI眼科数据库团体和行业标准的建立。

在张秀兰教授未来的规划中主要有两大方向的工作：其一是继续深入开发青光眼的AI算法，最终完成多模态体系建设；其二是建设更多的优质数据库，为广大的开发者提供优质共享资源，推动完善中国眼科AI+医疗创新生态。

AI眼科医疗的国际一流水平与前沿趋势

目前国际一流眼科AI研究有两个主要特点：第一，一流的医疗AI研究在使用海量的数据库资源训练算法；第二，一流的AI研究正在尝试不同模态的算法开发。

如今，基于眼底照的AI更成熟，2017年新加坡国立眼科中心牵头的大型多中心研究利用超过20万的眼底照训练了可用于糖网、AMD、疑似青光眼筛查的算法，效能完全达到了人类的水平。这是非常值得借鉴的成功实践。

未来AI眼科医疗研究有几个前沿方向，第一，先进高效能的诊断算法开发，开发可用于多种眼病诊断的复合系统；第二，可用于病情预测的算法开发：帮助医生在当下预知未来的病情变化，早防早治；第三，利用AI帮助医生确定诊断新思路，通过AI的强大算力，推断出数据中的指标与疾病的相关性。

中国现已走在了AI研究的前沿，AI算法的应用研究已经做的十分丰富，但是如果想要保持领先，相应的基础和理论研究、原始创新也要有所突破，才可能创造出更高的价值。

＊文中图片由受访者提供。

编辑 ｜ 赵泓维

网站、公众号等转载请联系授权