随着科技的不断进步，越来越多的人工智能应用在我们的生活中，那么当医学和人工智能相融合，我们又能得到怎样的医疗体验呢？
中山大学中山眼科中心的一项研究揭开了医学人工智能的面纱，林浩添教授团队别出心裁的将医学数据转化成可以拼插组合的“乐高”模块，研发出一套新型的医学人工智能系统，并成功实现了人工智能进行跨学科、多病种应用。目前，团队已与数十家医院建立合作，加快推进医学人工智能“乐高”计划的跨学科应用。
Visionome技术可应用多种临床场景
Visionome技术作为医学人工智能“乐高”计划的首个研发成果，它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经过5年钻研合作共同研发完成。
林浩添教授表示，基于Visionome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。不仅在回顾性数据集中表现出眼科专家级别的诊断水平，在前瞻性数据集中也表现出色。与传统图片级分类标注方法相比，Visionome技术可多产生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。
目前，Visionome技术的相关研究成果已发表于《自然》杂志的子刊《自然生物医学工程》（Nature Biomedical Engineering，IF=17.135），并进入临床转化应用。
Nature Biomedical Engineering在线发表的文章首页
2020年6月23日，林浩添教授、刘奕志教授和刘西洋教授及其团队面向媒体发布了这一重磅研发成果
全面测评Visionome系统诊断能力 准确率媲美眼科专家
研发期间，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13，404个解剖结构标签和8，329个病理特征标签。团队还使用传统标注方法生成标注数据集进行算法训练和对比，结果显示Visionome数据集训练的算法具有显著更高的诊断准确率。
团队使用Visionome数据集，进一步研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。验证该系统可完成4项临床任务：
1）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%；
2）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%；
3）专家级评估，即针对特定解剖部位描述多项病理体征，准确率均在为79.47%以上；
4）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，进行诊疗方案建议。上述模型准确率均在外部验证中达到了眼科专家水平。
此外，为进一步了解该系统的学习能力，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了84.00%的准确率。说明Visionome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。
推动成果转化应用 让医学人工智能更接地气
谈及人工智能，大家首先联想到的就是复杂的高科技，但其实Visionome系统的诊断应用并不复杂。使用者只需要在Visionome诊断系统中上传眼前段图像，即能一次获得多个部位的全方位诊断，与传统的人工智能算法相比，Visionome系统可生成更加全面、精细、具体的报告，而这整个过程大约只需等待30秒。
科技的研发最终要服务于实际应用，为了验证人工智能在现实世界临床中的应用效果，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4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，该系统能加深他们对于疾病的理解，缓解就医心理压力。
家庭医生在线（www.familydoctor.com.cn）原创内容，未经授权不得转载，违者必究，内容合作请联系：020-37617238