日前，據中山大學中山眼科中心消息，該中心副主任林浩添教授團隊牽頭聯合醫療人工智能企業鷹瞳Airdoc、廣東省醫療器械質量監督檢驗所等國內外18家醫療、企業和科研機構，完成了全球首個眼科多病種人工智能真實世界研究。據了解，該團隊研究成果已在國際頂級期刊《柳葉刀—數字健康》（The Lancet Digital Health）在線發表。
“這項研究的重點，可以分解為：眼科多病種、人工智能、真實世界。”林浩添介紹，此前，該研究團隊的糖尿病視網膜病變識別模塊，已經獲得了國家藥品監督管理局頒發的第一個眼科人工智能軟件Ⅲ類醫療器械產品注冊證，可以在臨床使用。但是，不少患者有兩種或以上的疾病，能不能拍一次眼底照片，就可以篩查多個眼科疾病？
此項研究的創新點之一，眼底疾病綜合性智能診斷專家——“CARE”模型，是眼科多病種篩查的關鍵。
作為一個醫學人工智能AI，“CARE”模型是由大量照片和標簽“訓練”出來的：研究項目共納入51家醫療機構的26萬張眼底彩照，不但來源于三級醫院、社區醫院和健康服務機構等具有不同疾病特征人群，還涵蓋了多種場景和設備來源。在算法上，“CARE”由單標簽升級為多標簽深度學習網絡，即將多種疾病的標簽和特征信息置于同一個神經網絡訓練，不但可以識別多種眼底異常，還能同時關聯各疾病特征之間的關系。
據介紹，“CARE”模型既減少了模型運行對計算資源的依賴，也將診斷的總體準確率從92.1%提升至95.2%。“CARE”模型可以識別14種常見眼底異常，包括糖尿病視網膜病變、高血壓眼底病變、病理性近視眼底、視網膜脫離等疾病，模型的平均準確率為96.8%。
研究團隊還進行了一次“人機對弈”，將“CARE”模型的表現與16位來自不同地區不同年資的眼科醫師進行比較。“人機對弈”結果發現，不同眼科醫生對眼底病變識別靈敏度差異大，特別是基層年輕醫生，人類醫師的準確度范圍在50%至92.9%之間。相比之下，“CARE”模型的表現則“穩”字當頭，準確率高而且穩定。
林浩添認為，未來醫學人工智能可以作為診斷助手，幫助醫生完成80%的基礎工作，而醫生可以專注于20%的疑難雜癥或者技術優化，提升醫生的工作價值。下一步，研究團隊將推動“CARE”模型的落地產品，希望能夠將產品推廣到基層醫院，讓更多眼科患者實現疾病早發現、早治療。
原文鏈接：https://mp.weixin.qq.com/s/y8YIfdWWRiSPdb24-y1JUA
