一個眼科醫生判讀一張青光眼眼底圖片需要將近 1 分鐘，而 AI 在 1 秒鐘內可以迅速完成 10 張。在青光眼的篩查上，人工智能大有可為。但是，由于 AI 篩查系統在國內各個醫療中心系統不一，數據結構和疾病判病標準存在較大差異，目前人工智能在眼科領域的應用并不廣泛。

　　如何解決這一問題？

　　近日，由中華醫學會眼科學分會青光眼學組、中國醫學裝備協會眼科專委會人工智能學組牽頭組織，騰訊公司參與撰寫的《基于眼底照相的人工智能青光眼輔助篩查系統規范化設計及應用指南》正式對發布。

　　指南對 AI 青光眼輔助篩查系統的數據采集、算法模型構建、硬件要求、數據集建立和標注、AI 篩查方案、AI 篩查報告要求、數據安全等提出相關規范和建議，進一步規范 AI 青光眼輔助篩查系統的設計及臨床應用。

　　同時，下月起，雙方合作的 AI 輔助青光眼篩查系統將在同仁醫院開展臨床試驗。

　　青光眼檢出率不足 10%

　　早在 2016 年 10 月 28 日，國家衛計委便制定了《“十三五”全國眼健康規劃（2016-2020 年）》，就將保障國民視力健康納入整體規劃。

　　但是，目前看來，實施的效果并不理想。就以青光眼為例，北京同仁醫院眼科中心的劉含若博士向雷鋒網表示，青光眼的檢出率不足 10%。

　　青光眼篩查率低的原因有哪些方面？

　　劉含若表示，青光眼是所有眼科疾病里面發病機制最為復雜的，被稱為盜取視力的“小偷”，而且視力損害是不可逆的，需要綜合考慮眼壓、眼底C/D形態、視野、OCT 視網膜神經纖維層改變等多個因素，一旦青光眼進入到中晚期，患者面臨的只能是失明。

　　其次，中國眼科醫生的數量太少，遠遠不能滿足于中國龐大的人口需求。

　　據衛計委 2016 年統計，我國目前只有 3.2 萬名眼科醫生，其中從事眼底醫療服務和研究的醫生約 800-1000 人。平均下來，4 萬多名中國人才能得到 1 個眼科醫生的救治。

　　數據顯示，預計到 2020 年，全球和我國青光眼人數將達到 7960 萬和 2180 萬；在致盲率方面，2010 年全球約有 840 萬青光眼患者致盲，而其中中國致盲人數占比患者達1/4 以上。

　　值得注意的是，由于統計數據僅僅是就診患者的數據。所以我國目前臨床統計中，癥狀更加明顯的原發性閉角型青光眼（PACG）患者被更多地統計在內，是最常見的青光眼類型。

　　然而新加坡、印度以及在北京的流行病學調查結果表明，約 90% 的原發性開角型青光眼（POAG）患者未被發現。

　　也就是說，真正青光眼疾病的患病人群要遠比統計的多。

　　劉含若表示，80% 的眼科疾病都可以通過“早發現、早篩查、早干預”，從而避免致盲。

　　“中國導盲性眼病長期以來重治防輕，基層防治技術能力滯后。應用 AI 技術后，我們預估篩查率能從 10% 提升到 90% 以上。因此，將人工智能應用在眼科疾病篩查的場景里，非常有意義。”

　　牽手騰訊

　　2016 年，同仁醫院開始與騰訊進行青光眼模塊的合作。2018 年，同仁醫院王寧利專家團隊與騰訊舉行了合作簽約儀式，啟動人工智能輔助診斷青光眼的聯合科研。

　　2019 年，產品正式推出上線。

　　劉含若表示，通過前期的預驗證，AI 系統對早期青光眼病灶的診斷準確性已經達到了 95%，這個成績相當于同仁成熟眼科醫生的診斷水平。

　　當然，這套 AI 系統的設計初衷是在基層進行篩查，彌補基層醫生對疾病判定不夠準確、早期的誤判或者誤診的情況。

　　“一個產品好不好，需要它最終達到高粘性的使用。無論是在社區醫院還是基層眼科中心，首先是產品確實好用，其次是提升醫患的依從性，讓醫生和患者相信 AI 系統得出的結果。”

　　因此，在系統開發過程中，雙方團隊進行了 AI 判定結果的可視化，不但輸出診斷結果，并且還采取熱圖的方式顯示病灶可能所處的部位。

　　“醫生可以通過可視化的功能輔助，具體向患者顯示紅色區域就是神經性缺損的區域，以及缺損的部位有多大，從而對疾病進行量化。同時，對于患者來說，這個東西不再抽象，更加利于他們理解。”

　　青光眼篩查的現實困境

　　當然，人工智能應用于青光眼篩查也有一些特有的困境。

　　DR（糖尿病性視網膜病變）是在眼科 AI 里應用較為成熟的病種，因為該病直接掛靠于糖尿病慢病管理的篩查項目。截至 2019 年 6 月，中國糖網篩防工程已經在全國 28 個省市，400 余家醫療機構內完成了 68 萬例糖網的篩查。

　　劉含若透露，應用騰訊的 AI 技術后，共完成 6 萬多例的青光眼篩查。但是，缺乏國家級的篩查項目進行推動，青光眼與糖網的篩查例數還有明顯的差距。

　　雷鋒網(公眾號：雷鋒網)了解到，今年兩會上，北京同仁眼科中心主任王寧利教授也向政協提案，把高致盲性眼病納入國家慢病防控的系統，并且運用 AI 技術來進行高致盲的全身相關的眼病的早期篩查。

　　從衛生經濟學的角度來考慮，做一個全民篩查的衛生經濟學效益是偏低的。但是，如果以年齡段來劃分，確定重點人群，讓 40 歲或者 45 歲以上人群接受眼底全病種的篩查，那么衛生經濟學效益將非常高。

　　劉含若補充到，“一個眼科醫生判讀一張影像需要將近 1 分鐘，借助 AI 則 1 秒鐘可以處理 10 張，相較于傳統模式，AI 可以將篩查成本從 50 元降低到 4 元每人次。”

　　其次，王寧利教授指出，目前在臨床使用和人工智能眼科發展中存在兩個問題：“在醫學領域，主要在標注方面缺乏統一的規范和標準，導致人工智能在臨床應用中泛化能力不足；在技術層面，各個團隊應用技術沒有統一標準，對一些指標規定沒有統一要求，同樣也造成人工智能在臨床使用方面的敏感性和特點性。”

　　因此，同仁醫院與騰訊合作撰寫的指南，對 AI 青光眼輔助篩查系統的數據采集、算法模型構建、硬件要求、數據集建立和標注、AI 篩查方案、AI 篩查報告要求、數據安全等均提供了規范和建議。

　　醫療 AI 進入門診還有多遠？

　　近年來，多個學組均積極關注醫療人工智能產品的“頂層設計”。

　　去年 8 月，由廣東省醫師協會眼科分會等主辦的第二屆全國眼科人工智能大會在廣州舉辦。大會同期進行了基于眼底照相的 DR 篩查 AI 系統應用指南的發布推廣儀式。

　　指南涵蓋了 AI 篩查系統從構建到應用的全過程，從圖像的獲取、特征的提取量化、特征值的選擇降維、模型的訓練以及性能評估都給出了明確的建議。

　　“醫療 AI 產品的發展，需要各地多中心共同協作。我覺得意義特別重大的一點，無論是臨床診斷還是治療指南，我們都是指南的進口國。現在我們從指南進口國到了指南輸出國，所以這個意義是特別重大的。以后我們會進行更多的多中心協作，爭取向世界發出更多的我們中國的聲音。”

　　劉含若向雷鋒網透露，目前，團隊已經積累了數十萬例的眼底相庫，涵蓋了眼科的各個病種，也包括市面常見的 54 種相機型號的眼底圖像數據。

　　下個月，青光眼 AI 篩查系統將進入臨床試驗階段。AI 系統將會加載到眼底相機上，收取門診臨床資料，與醫生一起對病例進行評估，預計驗證量將超過 1000 例。

　　但是由于醫療 AI 產品的收費問題，現在更多是基于科研和產品檢驗的角度，對醫療 AI 產品進行試用。

　　劉含若表示，希望將醫療 AI 產業鏈做得更加完整，從精準的分診掛號、語音導診、電子預問診、用藥指導、手術機器人，在每一個環節都應用人工智能的技術。

　　“進入醫院會是什么樣子，大家都沒有概念。從明年開始，我們會在同仁醫院設立一個人工智能的青光眼門診，探索人工智能在門診中的真實應用。”

總結

以上是生活随笔為你收集整理的青光眼AI筛查系统指南发布，7月在同仁医院启动临床试验的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。