开始“拼积木”的医学人工智能

2020.06.28点击:

尽管医学人工智能的浪潮已经到来,但国内人工智能跨学科、多病种应用仍是难点。“如果能通过技术手段,将医学数据转化成可以拼插组合的模块,就像‘乐高’积木拼接一样,或许可以打通医学人工智能在不同疾病学科间的数据壁垒。”中山大学中山眼科中心林浩添教授提出了医学人工智能“乐高”计划,旨在探索跨学科的医学人工智能发展模式。


  6月22日,自然杂志子刊《自然生物医学工程》报道了由林浩添、刘奕志教授与西安电子科技大学刘西洋教授带领团队经过5年研究首创的医学图像密集标注技术Visionome。该标注技术正是“乐高”计划的首个研发成果。


  “这是一项高效的医学人工智能技术。与传统图片级分类标注方法相比,该技术基于解剖学和病理学特征对医学图像进行密集标注,可多产生12倍标签,而这些标签训练出来的算法显示了更好的诊断性能。”林浩添介绍,基于此技术,团队开发出可准确识别多种眼前段病变的裂隙灯图像智能评估系统,可应用于大规模筛查、综合分诊、专家级评估、多路径诊疗建议等多个临床场景,并表现出眼科专家级别的诊断水平,且在前瞻性数据集中也表现出色。同时,已与企业合作进入临床转化,实现了科研成果的临床应用价值。


  林浩添介绍,研究团队组织了25人专家标注团队,将1772张包含角膜炎、胬肉等感染、环境、年龄相关性疾病的眼前段图像,按照14种解剖结构进行区域分割,对于6种病变部位按照54种病理性特征进行密集标注,最终得到了13404个解剖结构标签和8329个病理特征标签,构建了Visionome数据集。


  接着,研究团队使用该数据集开发了可针对多种眼前段疾病,进行多区域识别和分类的裂隙灯图像智能评估系统。该系统可完成4项临床任务:第一,大规模筛查,即对眼前段图像进行正常/异常判断,准确率高达98.54%;第二,综合分诊,即定位眼前段图像病变所在解剖部位,平均准确率为93.75%;第三,专家级评估,即针对特定解剖部位描述多项病理体征,准确率均在79.47%以上;第四,多路径诊疗建议,即综合上诉诊断结果及患者自报告的症状等信息,提出诊疗方案建议。使用者上传眼前段图像,就能一次获得多个部位进行诊断,与传统人工智能算法相比,该系统可生成更加全面、精细、具体的报告。在中山眼科中心和广东省广州市越秀区社区卫生服务中心,研究团队使用大量真实世界临床数据对该系统进行测评,都得到了良好的结果。同时,调查问卷显示,患者愿意在家和诊所使用这个系统,该系统能加深他们对于疾病的理解,缓解就医心理压力。


  不仅如此,研究团队还使用了20种系统未学过的眼病进行测试,包括眼科十大急症及其他复杂眼病,如圆锥角膜、虹膜囊肿、视网膜母细胞瘤等,系统在大规模筛查场景中达到84%的准确率。“这说明该数据集在密集分割的同时,让算法得到了举一反三的诊断能力,具有跨专科识别多病种的潜力。”林浩添说。


  “此次研发的Visionome技术实现了人工智能进行跨学科、多病种应用,证明了‘乐高’计划的可行性。未来有必要纳入更多疾病学科医学数据。目前,团队已与数十家医院建立合作关系,加快推进‘乐高’计划的跨学科应用。”林浩添说。


文章标签: 人工智能 积木 医学

来源:健康报网