《Cell》發布中國科學家重磅研究：視網膜疾病、肺炎將可通過AI平台加以識別評估

雖然我們相信虛擬助手能給我們指路或者幫我們推薦合適的午餐廳，但要說像相信醫學診斷一樣相信人工智慧（AI），卻讓人望而卻步。目前，一個由中美科學家組成的團隊則旨在改變這一現象。

在2月22日發行的《Cell》雜誌上，他們介紹了一個應用大數據和AI的平台，這個平台不僅能識別最常見的兩種視網膜疾病，還能評估其嚴重程度。同時，它還可以通過胸部X光圖像區分兒童細菌性肺炎和病毒性肺炎。

「黃斑變性和糖尿病黃斑水腫是不可逆性失明最常見的兩種病因，但如果能及早發現，這兩種病因的治癒希望還是很大的。」加利福尼亞大學聖地亞哥分校希利眼科研究所（Shiley Eye Institute）眼科教授、資深作者張康（Kang Zhang）說。

「習慣上，如何及何時對患者進行治療由專家小組決定，這些專家需要經過長年的培訓並且多數集中在城鎮地區。相比之下，我們的AI工具則可以在世界上的任何地方使用，特別是在農村地區。這在醫療資源相對較少的中國、印度和非洲等地非常重要。」

圖丨張康教授

該平台研究了超過200000個光學相干斷層掃描（OCT）圖像，這些圖像由利用光波對視網膜各層進行成像的非侵入式掃描收集獲得。先前的研究圍繞利用機器學習來研究視網膜圖像進行，而新研究作者表示，他們的平台通過運用一種被稱為遷移學習的技術使研究更進一步。

遷移學習是機器學習的一種，在這種技術中，與分類有關的一般知識可以從一個疾病區域轉換到另一個疾病區域，並且可以使AI系統利用比傳統方法小得多的數據集進行有效學習。除了進行醫學診斷之外，這個AI平台還可以提供轉診和治療建議，這是超越以往研究的又一進步。

研究人員還進行了閉塞試驗，使他們可以在查看掃描圖像時，獲得最重要的區域。「通常，機器學習就像一個黑匣子，我們不知道裡面到底發生了些什麼。」張教授解釋道。「通過閉塞試驗，計算機可以告訴我們，它是根據圖像中的哪些位置做出診斷的，從而幫助我們找出系統得出這種結論的原因。這使得系統更加透明並且提升了其診斷的可信度。」

在此項研究中，科研人員將計算機的診斷結果與五位進行掃描檢查的眼科醫生的診斷結果進行了比較。「通過簡單培訓，這種機器就可以達到訓練有素的眼科醫生的水平。在30秒內，它就可以決定患者是否應該接受治療，其準確度在95％以上，」張教授稱。

他解釋說，診斷和治療視網膜疾病通常需要先諮詢全科醫生或驗光師，然後是普通眼科醫生，最後是視網膜專家。這種轉診過程可能會浪費用於疾病治療的寶貴時間和資源。迅速治療看似只是一念之差，但對於患者來說，就可能是失明與復明的天壤之別。「自動診斷對患者大有裨益，它使得患者能夠更快地接受專科醫生的治療從而得到更好的治療結果，」他說。

據張教授估計，這種測試的花費僅占目前傳統方法所需費用的一小部分。「除經濟利益外，在提高個人和社會生產率方面，它也具有重大非經濟效益，其可以縮短偏遠地區患者看病的等待時間，並為這些患者提供更好地護理服務，」他說。

研究人員還將該工具應用於兒童肺炎。通過查看胸部X光片，計算機可分辨病毒性肺炎和細菌性肺炎，其準確度超過90％。病毒性肺炎主要採取支持治療，而細菌性肺炎需要迅速開始抗生素治療。這表明該工具適應性強，可有效用於多種類型的醫學圖像。

張教授說，這項技術的應用潛力還很大，例如區分CT掃描或核磁共振成像的癌性和非癌性病變。

目前，其團隊已經開發了相關數據和工具，以供其他團體使用。「如果我們團結協作，就可以開發出更好、具有更高計算能力的檢測，」他說。「未來，會有更多的數據、更高的計算能力、更多的使用該系統人員所得出的經驗，這使我們在為患者提供最好的服務的同時，依然保有不錯的經濟收益。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！