重磅！中国团队张康课题组研究荣登《细胞》封面，可精准诊断眼病和肺炎的AI诞生

医谷微信号：yigoonet

今日，由加州大学圣地亚哥分校（UCSD）眼科教授、眼科遗传学首席医师张康教授领导的广州妇女儿童医疗中心和加州大学圣迭戈分校团队，在顶级期刊《细胞》上发表了一篇人工智能（AI）在医疗领域应用的重磅研究成果：基于深度学习开发出一个能诊断眼病和肺炎两大类疾病的AI系统。

这是中国研究团队首次在顶级生物医学杂志发表有关医学人工智能的研究成果，也是全世界首次实现用AI精确推荐治疗手段。

《细胞》以封面文章的形式，刊登了这项来自中国的AI研究。

在眼科治疗中，视网膜OCT（光学相干断层扫描）成像技术是最常使用的诊断技术之一。通过获取视网膜组织的高分辨率图像，医生能够精准地对眼病作出诊断，而AI技术在大数据领域与运算速度上具备极大优势，它可以把全球病例汇集成一个庞大的数据库，只要几毫秒的时间就能调取并检索关键数据。因此，如果使用AI技术来识别和处理这些OCT图片，诊断效率甚至诊断准确度将会极大的提高。

张康课题组获取了超过20万张OCT图像，应用一个多层次的前馈DNN概念，将预训练模型Inception-v3架构植入到开源机器学习平台TensorFlow，输入总共约10万张准确标注的OCT图像，最后开发出可以准确诊断眼疾的AI系统。

在检验这款算法时，研究人员发现该AI系统在诊断眼疾时的准确性达到96.6%，灵敏性达到97.8%，特异性达到97.4%，ROC曲线下面积达到99.9%。并且，其诊断结果与6位拥有丰富临床经验的专家的诊断结果比对，发现在特异性和灵敏度上，两者并无明显区别。

传统的AI系统使用的多为深度学习模型，需要数十万张高质量标注的图像才能训练出一个准确的AI疾病诊断系统，这极大地限制了AI在临床中的应用。

为了解决这一难题，张康团队开发了“迁移学习算法”，把已训练好的模型参数迁移到新的模型来帮助新模型训练，即先让AI系统识别和学习视网膜OCT图像的特征，然后建立模型，再根据研究的内容进行迁移学习。

该研究用的一种迁移学习算法：卷积神经网络（Convolutional Neural Network）。先让AI系统学习1000种类别图片并提取特征，然后建立模型，针对具体的研究内容进行迁移学习。

为了验证其效果，研究团队在之前眼疾训练后的AI系统基础上，用了5232张胸部的X光片，通过系统训练和迁移学习，构建出了肺炎的AI疾病图像诊断系统。

这套AI系统在区分肺炎和健康状态时，达到了92.8%的准确率、93.2%的灵敏度和90.1%的特异性，并且在区分细菌性肺炎和病毒性肺炎时，准确性达到90.7%，灵敏性达到88.6%，特异性达到90.9%。

目前，这款AI诊断工具已经在美国和拉丁美洲眼科诊所进行小规模临床试用。相信在不久的将来，AI可以在医学领域开拓出更广泛的应用价值，更精确的诊断疾病，并得到大规模的推广，为患者带来更好的治疗，从而大大提高人类的生活质量。

文 | 医谷

原文检索