作为医学人工智能“乐高”计划的首个研发成果，首创医学图像密集标注技术Visionome于6月22日发表于《自然》杂志的子刊《自然生物医学工程》，引发海外关注。今日（23日），中山大学中山眼科中心向媒体发布了这一重磅研发成果，并透露Visionome进入临床转化应用，团队已与数十家医院建立合作，加快医学人工智能“乐高”计划的跨学科应用。
在Visionome新一技术下，团队训练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，这个新鲜出炉的“AI医生”可应用于大规模筛查、综合分诊、专家级评估、多路劲诊疗建议等多个临床场景。约莫30秒，它即可诊断出就诊患者的多种眼前段疾病，准确率在外部验证中达到了眼科专家水平。
医学人工智能“乐高”计划 孵化出首个研发成果引关注
医学人工智能的发展需面临优质数据提取困难、现有数据标注方法效率低等一系列问题，同时，许多疾病患病率低、不同学科数据特征迥异，导致现有人工智能算法通常难以应对跨学科场景。为此，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，以标准化数据标注模式、提高数据标注效率、建立医疗数据区块链等作为切入点，进行战略部署。
作为医学人工智能“乐高”计划的首个研发成果，首创医学图像密集标注技术Visionome相关研究成果于近日发表于《自然》杂志的子刊《自然生物医学工程》。该技术是一种基于解剖学和病理学特征对医学图像进行密集标注的方法，由林浩添教授、刘奕志教授与西安电子科技大学刘西洋教授带领团队历时五年钻研合作共同研发完成。基于Visionome新技术，团队训练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。该研究成果正进入临床转化应用，团队已与数十家医院建立合作。
“技术可以跨学科应用，‘乐高’式切割数据有望提高共享效率。”林浩添介绍，Visionome具有跨学科识别多病种的潜力。目前，团队以区块链技术优势与医疗健康数据传输共享技术相结合作为切入点，基于区块链开放共识、不可篡改、易于追溯等特点，进行医疗健康区块链技术的战略布局。
应用四大临床场景 准确率匹比眼科专家
Visionome新技术应用下的裂隙灯图像智能评估系统可以做些什么呢？林浩添介绍，在临床应用中，这个应用新技术的“AI眼科医生”可以诊断多种眼前段疾病，并且可以完成四项临床任务，准确率在外部验证中可以达到眼科专家水平。
不过，这位AI医生在不同临床场景中准确率有所不同。具体来看，在大规模筛查中，即对眼前段图像进行正常/异常判断时，准确率高达98.54%；在综合分诊，即定位眼前段图像病变所在解剖部位，平均准确率为93.75%；在专家级评估，即针对特定解剖部位描述多项病理特征，准确率均在79.47%以上；而在多路径诊疗建议，即综合上述诊断结果及患者自报告的症状等信息中，AI医生可进行诊疗方案建议。
为了“测试”这个AI眼科医生的能耐，团队使用了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了84.00%的准确率。
体验：30秒即可筛查多种眼疾 有助缓解就医心理压力
在现场的体验中，体验者坐在裂隙灯前进行检查，相关的图像信息上传到了裂隙灯图像智能评估系统中，后台的操作者选择了一些常见眼前段疾病的筛查范围，约莫30秒左右，关于该体验者的眼前段健康信息出炉了：该就诊者并没有明显眼前段疾病。而在随机抽取的一张眼疾患者求诊的图像中，这名AI医生指出，患者右眼正常，但是左眼患有角膜炎，并且自动识别出角膜炎病变的解剖部位，给出了应进行结膜炎规范治疗的诊疗建议。
据了解，此前中山大学中山眼科中心曾发布AI眼科医生可筛查四种常见致盲眼底疾病的研究，此次Visionome新技术下开发的AI医生，主要针对裂隙灯图像筛查的眼前段疾病，如角膜炎、胬肉感染等。“在眼睛的立体结构中，人工智能系统需要学习不同部位的眼疾，眼表和眼底疾病的诊断适应不同的算法，最终综合给出患者诊断结果。”林浩添介绍。
据介绍，团队进一步设计了前瞻性临床试验，在中山眼科中心和越秀区社区卫生服务中心进行，使用大量真实世界临床数据，对裂隙灯图像智能评估系统分别进行了评测。结果显示，该系统能出色完成四项临床任务。调查问卷显示，患者愿意在家和诊所使用这个系统，能加深他们对疾病的理解，缓解就医心理压力。
就诊者通过裂隙灯检查和AI医生诊断即可筛查多种眼表疾病。
广州日报全媒体文字记者梁超仪 通讯员魏春福、邰梦云
广州日报全媒体图片记者梁超仪 通讯员魏春福、邰梦云
广州日报全媒体编辑吴婉虹