誕生於三十年前的 IDx-DR 為何會成為 FDA 首個批准的 AI 自主診斷產品？

（圖片來源：Taj Francis）

本文譯自《Nature》 原文標題：How artificial intelligence is helping to prevent blindness

作者：Sandeep Ravindran

當糖尿病患者找全科醫生看病時，他們經常被轉診給眼科醫生。眼科醫生可以檢查患者的眼睛是否有糖尿病視網膜病變的跡象。這種病會損害了視網膜，是導致失明的主要原因，每年大約有24000人得上這個病。

但是，人們都希望可以在早期控制疾病來避免最壞的結果。愛荷華州愛荷華大學視網膜專家兼計算機科學家Michael Abràmoff說：「我們非常了解如何治療它，但我們並沒有及早發現它。」

因此，定期篩查對於治療糖尿病視網膜病變至關重要。但評估美國約3000萬糖尿病患者，以及全球4億多糖尿病患者，似乎是一個無法克服的挑戰。每年只有大約一半的糖尿病患者會按照建議檢查自己的眼睛。

其中一個重要原因就是眼科醫生的短缺。這些專科醫生需要全面的培訓和特殊設備，眼科醫生短缺讓患者不得不去很遠的地方進行眼科檢查。這個問題在低收入和中等收入國家尤為嚴重，印度只有15000名眼科醫生為約7000萬糖尿病患者服務。由於老年人、高風險人群的增長速度超過了眼科醫生人數，更富裕的國家估計也會出現短缺。

有人提出，利用遠程醫療的方式，讓眼科醫生遠程評估視網膜的照片，這種方式可能有助於改善患者的就診體驗，但尚未獲得廣泛接受。

Abràmoff長期以來一直在探索是否可以使用計算機程序來篩查人們的眼病。幾十年來，他開發了IDx-DR，這是一種AI系統，可以在幾分鐘內告訴一個人是否患有糖尿病視網膜病變。

IDx-DR是美國FDA批准的首個無需臨床醫生即可給出篩查決定的設備。但它並不是唯一能夠改變眼科領域的AI工具。

算力的進步和大規模的視網膜圖像數據集促進了AI系統的發展，該系統不僅用於檢測相對容易發現的糖尿病視網膜病變，還用於檢測其他常見的眼病，例如老年性黃斑變性（AMD）和青光眼。這些人工智慧系統可以提高大規模篩查的速度和準確性，以此改善眼科服務欠缺地區的現狀。

儘管AI系統的前景光明，也有人對系統是否能夠普及表示擔憂。新加坡國立眼科中心的眼科醫生Tien Yin Wong說，在診所使用人工智慧將不可避免地引發人們對漏診和誤診的擔憂。他說，法律和道德問題最終可能決定技術的普及程度。

然而，該領域的樂觀派認為AI輔助診斷已經準備好了。Pearse Keane是倫敦Moorfields眼科醫院的眼科醫生，也是DeepMind Technologies的顧問，這家公司由Google的母公司Alphabet所有。這家公司正在開發一種可以診斷眼疾的系統。「我仍然記得我第一次看到這個演算法的時候，」他說。「我驚呆了，我覺得自己看到了整個眼科領域的變革。」

Abràmoff在30年前開始研究眼部疾病的自動檢測。但Abràmoff不確定計算機程序是否可以代表訓練有素的專家，至少在開始時是這樣。

機器學習使用數據和定製演算法來訓練機器執行任務，從20世紀50年代以來，它已經顯示出在圖像分析上的潛力。但是，即使是Abràmoff在40年後開始他的研究時，硬體條件也不足以使機器學慣用於分析真實世界的醫學圖像。

儘管如此，Abràmoff精心設計了數學方程來描述視網膜中的各種病變，然後編寫了演算法來檢測它們。到了21世紀初，他發表了大量關於這一主題的論文，隨著時間的推移，他獲得了相關專利，希望能獲得製藥或生物技術公司的許可。但這個想法沒有成功。「什麼都沒發生。」他說。

所幸的是，由於視頻遊戲行業的發展，人工智慧系統在醫學成像領域的應用在近幾年得到了巨大的推動。越來越強大的顯卡被開發出來，這對於人工智慧系統所需的並行處理非常理想。

這些顯卡使得實現被稱為人工神經網路的計算密集型系統變得更加容易，這些系統受到神經元在大腦中互連方式的啟發。這種網路由處理圖像不同特徵的連接節點層組成，每個屬性都被賦予一定的權重，然後系統將這些權重組合起來輸出一個結果——如眼睛是否受到糖尿病視網膜病變的影響。

通過將具有強大處理能力的人工神經網路與海量圖像數據集相結合，研究人員能夠創建深度學習網路，完成傳統編程軟體無法完成的複雜任務，包括打敗一些世界上最優秀的圍棋選手。華盛頓大學的眼科醫生Aaron Lee說:「這是一種巨大的飛躍，所有這些曾經是天上掉餡餅的事情現在在技術上都是可行的。」

在這些技術進步的背景下，2010年，Abràmoff在愛荷華州Coralville成立了公司——IDx Technologies。經過與FDA的長時間討論，他建立了一個臨床試驗，證明IDx-DR可以在真實世界裡運作。從2017年1月開始，這個試驗招募了來自美國10個地方的900名糖尿病患者。

結果顯示，Abràmoff幾十年的工作取得了成效。IDx-DR識別出比輕度糖尿病視網膜病變更嚴重患者的正確率達到87％，識別出了沒有糖尿病視網膜病變的患者的準確率達到90%。

雷鋒網此前報道，2018年2月，IDx公司就已經宣布，FDA已加快對其公司AI系統的審查進程。

2018年4月，IDx-DR成為美國第一個被批准用於檢測糖尿病視網膜病變的自主診斷系統。「這是非常好的一天，」Abràmoff說。

這個系統使用相機拍攝眼底。然後，AI演算法分析所得到的圖像，以檢測糖尿病視網膜病變的早期徵兆，例如出血。另一種演算法可以幫助操作員拍攝高質量的視網膜圖像，這意味著只要接受四個小時的訓練，任何受過中學教育的人都可以操作IDx-DR。

2018年6月，愛荷華大學醫療保健中心成為第一家使用IDx-DR的機構。Lee說，「IDx所做的一切，為其他公司在深度學習領域開創了先例。其他的AI系統也將會爭先恐後地出現。」

到目前為止，大多數人還專註於檢測糖尿病視網膜病變，因為這種情況相對容易在圖像中發現。「從計算機視覺的角度來看，這是一個相當簡單的問題。」

人工智慧系統最終要做的不僅僅是檢測單一眼病。「當醫生評估一個人的眼睛時，他們會發現許多常見的情況，」Wong說，「你不能只說，"我只想知道你是否患有糖尿病視網膜病變"。」

這就是為什麼Wong和其他人，包括Abràmoff正在開發能夠同時檢測出幾種眼疾的AI系統。

一些研究人員沒有教人工智慧演算法尋找疾病的特徵(就像Abramoff在IDx-DR中所做的那樣)，而是指導它們篩選來自健康或病變眼睛的大量圖像。然後，AI系統必須自己解決如何區分它們的問題。2017年，Wong和他的團隊使用幾項研究中收集的視網膜圖像，來訓練人工智慧系統，這些圖像包括新加坡國家糖尿病視網膜病變篩查項目在內。

他們對11個多種族的糖尿病患者進行了測試，結果表明他們的人工智慧不僅可以利用視網膜圖像的差異檢測糖尿病視網膜病變，還可以檢測青光眼和AMD。該系統的篩查能力與糖尿病視網膜病變的專家相當。

DeepMind和Moorfields眼科醫院的研究人員甚至走得更遠。他們構建了一個AI演算法，該演算法可以自己給出針對50種常見眼部疾病的轉診決策。該系統在OCT視網膜掃描中識別出眼病的跡象，然後決定一個人去看專家的緊急程度。DeepMind的AI系統可以顯著減輕眼科醫生的工作量。去年，英國國民健康服務中心安排了825萬眼科門診預約。 Keane說，「人們沒有意識到我們日常的工作壓力。」

訓訓練人工智慧演算法通常需要大量的數據，並使系統只執行有限的任務。但是一種被稱為遷移學習的方法可以幫助訓練AI程序使用更少的特定任務數據，使它們能夠更快地學習執行類似的任務。

加州大學聖地亞哥分校的張康教授領導的一個團隊採用了一種AI演算法，該演算法已經從公開數據集ImageNet上預先處理了數以千萬計的日常物體圖像，然後將其應用於一組約10萬個OCT視網膜圖像。儘管用於訓練系統的視網膜特異性圖像數量較少，但預訓練使團隊的AI程序能夠準確診斷視力喪失的兩個常見原因 - 糖尿病性黃斑水腫和脈絡膜新生血管（通常是晚期AMD的結果），並決定需要把誰緊急轉給專家。

將訓練中使用的OCT視網膜圖像的數量減少到約4000時，演算法的錯誤率翻了一番，但其性能仍然與人類專家的性能大致相當。

張康、Keane和Wong計劃在未來兩年內進行臨床試驗，以確認他們的AI系統在診斷時是否與眼科醫生一樣有效——這是獲得監管部門批准的必要前提。但是，要生產出可以在各種環境下使用的商業產品，還需要進一步的工作。「科學家們需要讓它像iPhone一樣可用。」Wong說。

在某些情況下，這些人工智慧系統的能力可能會超過人類。例如，德國雷根斯堡大學的遺傳學家Bernhard Weber及其同事開發了一種深度學習演算法，用於對AMD的進展進行分類。AMD是50歲及以上人群視力喪失的主要原因。儘管後期AMD很容易被發現，但Weber發現他的團隊的AI程序也可以識別疾病的早期階段。他說，「這是很困難的事情，即使對眼科醫生來說也是挑戰。」

儘管這類AI系統的準確性有助於獲得監管部門的批准，但這種優勢可能還不足以贏得臨床醫生和患者的信任。「作為一個社會，我們準備好實施這些東西嗎？」Lee問道。

獲得用戶信心的一個障礙是人工智慧系統的封閉性，它們就像黑盒一樣運作——人們並不總是清楚這些程序是如何做出決定的。Lee說：「對於黑盒演算法，你不知道為什麼演算法會做出這樣的診斷。」

什麼是黑盒問題？簡而言之就是，人工神經網路也難以理解是如何做出決策的。 這種不透明性在診所尤其令人煩惱，其中人工智慧系統診斷背後的推理對於獲得監管部門批准至關重要。「可解釋性成為美國食品和藥物管理局的一個大問題，」Abràmoff說，「如果你希望演算法能自我驅動，你需要能夠解釋演算法的作用。」

為了解決黑盒問題，IDx和DeepMind在診斷眼睛狀況時採用雙管齊下的方法來詢問他們的AI系統的決策。一種演算法檢測人的視網膜圖像中的疾病特徵。然後，另一種演算法使用這些特徵來決定該人是否需要諮詢眼科醫生，如果需要，則需要多麼緊急。通過劃分這些步驟，臨床醫生可以確定深度學習網路在提出推薦建議之前如何解釋圖像，DeepMind的計算機科學家Olaf Ronneberger說。

另一種方法涉及使用不同種類的黑盒。張康教授和德國雷根斯堡大學的遺傳學家Bernhard Weber屏蔽部分視網膜圖像的人工智慧演算法，並觀察系統的診斷過程。這使Weber能夠確定AI演算法在視網膜中的哪個位置做出決定。Weber說，「你看到的是，它正是人類眼科醫生的樣子。」

Wong將基於人工智慧的與無人駕駛汽車相提並論：在這兩種情況下，他都不確定人們是否已做好完全自動化的準備。因此，他將他的系統設計為全自動或半自動，在這個過程中，它與人類一起工作。這類似於確保無人駕駛汽車有方向盤和剎車，這樣人們就可以在緊急情況下接管工作。「這給我了更多信心，同時也可以顯著降低工作量。」Wong說。

這種雙層模型可能適用於眼科醫生數量足夠的情況下。但這項技術的最大潛力在於改善低收入國家或偏遠地區的眼保健服務水平。這種推理促使Abràmoff在新墨西哥州的一個偏僻地區測試IDx-DR，這個地方距離最近的眼科醫生也有好幾小時的車程，來自谷歌的研究人員試用了一種深度學習演算法，旨在發現眼科醫院視網膜照片中糖尿病視網膜病變的跡象。

除了AI系統能力本身得到認可之外，其他技術的應用也能夠幫助AI更好地發揮作用。在許多國家，拍攝眼底影像所需的設備和專業技能供不應求。但是，配備視網膜成像專用相機的智能手機可與基於雲的人工智慧軟體相結合，以篩查糖尿病視網膜病變，使眼科檢查更便宜、更方便。

「在我看來，對人類最大的好處將發生在資源有限的環境中，當沒有這麼多的專家的時候，」Lee說，「我認為人工智慧可以在這些環境中為醫療帶來非常大的顛覆性作用。」雷鋒網雷鋒網

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！