|
编者按：随着科技的进步，医学技术也步入了人工智能化时代。
经过广泛深度“学习”，人工智能眼科专家“CARE”能够一次过精准筛查14种眼病。而胶囊内镜人工智能辅助阅片系统的研发落地，对深受阅片困扰的医师来说，也是巨大的好消息。
人工智能眼科“专家”： 一图筛查14种眼病
广州日报讯 （全媒体记者周洁莹 通讯员邰梦云）在国家重点研发计划等项目的支持下，中山大学中山眼科中心林浩添教授团队牵头联合广东省医疗器械质量监督检验所等国内外18家医疗、企业和科研机构，完成了全球首个眼科多病种人工智能真实世界研究，探索人工智能医疗器械产品临床应用前的评估和监管策略，研究成果于7月26日发表于国际顶级期刊《柳叶刀-数字健康》。
据悉，项目团队已经拥有系列技术专利且获得国家药品监督管理局颁发的第一个眼科人工智能软件Ⅲ类医疗器械产品注册证。
总体准确率达95%
近年来，医学人工智能研究开始进入临床实践阶段，但由于真实世界环境复杂，容易出现部分现场眼底图片无法识别、临床准确性下降、过于依赖网络等情况，医学人工智能在临床上的转化应用效果并不理想。
该项目团队通过使用来源于三级医院、社区医院和健康服务机构等具有不同疾病特征人群的医疗机构超过26万张多种场景和设备来源的眼底彩照，训练出可以识别14种常见眼底异常的眼底疾病综合性智能诊断专家——CARE。
项目负责人、中山大学中山眼科中心副主任林浩添教授介绍，CARE可以识别正常眼底图像和14种常见眼底病变，包括糖尿病视网膜病变、高血压眼底表现、青光眼视神经病变、病理性近视眼底改变等，诊断的总体准确率从92.1%提升至95.2%，并在全国35家不同级别的医疗机构进行了临床真实环境验证。
其中，糖尿病视网膜病变识别模块更获得了国家药品监督管理局颁发的第一个眼科人工智能软件Ⅲ类医疗器械产品注册证，为我国人工智能医疗器械的评估和监管提供了可行的参考方案。
学习了26万张眼底照片
据介绍，此项目共纳入51家医疗机构、涵盖不同疾病特征的眼底彩照超过26万张。其中，模型训练的数据来源于全国16家不同级别的代表性医疗机构，其余35家前瞻性临床真实世界验证机构分布在全国28个省市，包括8家三级医院、6家社区医院和21家健康服务机构。
多机构协作的临床真实世界研究不仅使CARE模型的性能得到了全面提升，而且首次打通了从临床问题发现、智能筛诊模型的研发到临床应用的医、研、产、管全链条协作模式。
研究团队还使用了网上公开的图片，比如不同人种的眼底图片等，对“CARE”模型进行测试。林浩添表示，以后医疗援外还有望进行技术输出，帮助提升当地的眼科疾病诊断准确率。
那么，人工智能会取代医生吗？林浩添认为，未来医学人工智能可以作为诊断助手，帮助完成80%的基础工作，而医生可以专注于20%的疑难杂症或者技术优化，提升医生的工作价值。
接下来，研究团队还将推动“CARE”模型的落地产品，希望能够将产品推广到基层医院，让更多眼科患者实现疾病早发现、早治疗。
胶囊内镜智能系统：识别病变比医生快
广州日报讯 （全媒体记者周洁莹 通讯员李晓姗、杨隽莹）近日，在南方医院消化内镜中心进行了一场人工智能和医生的实际人机对比测试赛，一份5万余张的胶囊内镜图片在AI算法下，仅仅15分钟就出具出了一份初步报告，不管是胃内结构识别准确率，还是病灶检出率，均优于一个5年以上经验丰富的胶囊内镜医生。
这个由南方医院消化科刘思德教授团队新研发的胶囊内镜人工智能辅助阅片系统，近日已落地南方医院消化内镜中心。
“这对深受阅片困扰的胶囊内镜医师来说无疑是一个巨大的利好消息。”南方医院消化科主任刘思德教授说。
胶囊内镜阅片工作量巨大
胶囊内镜是近年问世的一项可舒适完成消化道全程检查的创新医疗技术，它以每秒3-5帧的速率拍照，对整个消化道进行检查，所以一例胶囊内镜完成后，往往会产生5-10万张图片。由于巨大的阅片工作量和大量的非典型的、不具备明显结构特征的图片，未经特定训练的医生往往难以对其进行准确的识别。
“以一份5万张图片的胶囊内镜为例，医生分秒必争地审阅筛查，最少也要1-2小时才能看完，如果问题较多时间还要更久一些。”刘思德教授说，由于这个过程非常枯燥、容易产生疲劳感，也增加了医生在疲惫状态下误诊、漏诊的风险。
AI助力快速精准阅片
而人工智能技术是不会疲劳的，刘思德教授团队研发的胶囊内镜人工智能辅助阅片系统，能自动精准定位胃内结构及病灶，为胃肠重大疾病早诊防控提供了新的解决方案。
该智能阅片系统通过AI算法对拍摄的胶囊内镜图片进行整体质量分析，可自动区分重复无效、低质量图片，并对胃内部位和病灶等进行智能识别标注，同时得出初步诊断报告，医生审核时只需重点回顾典型胃内结构路标图像与病灶图像，并生成最终诊断报告。有了该系统的辅助，单例患者阅片时间可减少80%，显著缩短了患者等待检查结果的时间，也减少了因医师经验不同而造成的阅片质量差异。
不仅如此，随着人工智能阅片系统阅读的图片越多、训练的量越大，它的准确率就会越来越高，刘思德教授说，特别是对于消化道少见病的诊断，一个年轻内镜医生可能需要经历相当长的时间才能熟识并准确识别病变，但通过我们的系统搭建起丰富的数据库后，反而能帮助医生识别病变，提高胶囊内镜诊断水平。
|
主页 > 智能 > 
