中国科学家出大招！利用AI诊断眼疾肺炎，登上顶级学术杂志封面

医学人工智能领域又有大新闻。在出版的最新一期《细胞》上，华人学者张康教授的研究荣登杂志封面。他们带来的，是一款能精确诊断多种疾病的人工智能工具。

“人工智能（AI）具有巨大的潜力，通过大量数据的分析和分类对疾病的诊断和管理进行革命性的改变，这些数据对于人类专家来说很难、而且迅速做到这一点。”本研究的通讯作者张康教授，是加州大学圣地亚哥分校（UCSD）的眼科教授，也是眼科遗传学的首席医师（Chief，Ophthalmic Genetics）。研究合作单位包括广州医科大学、四川大学、大连北海医院、上海第一人民医院、首都医科大学等。

张康教授在顶级学术杂志

《细胞》发表了封面文章，

介绍了其利用AI诊断眼疾和肺炎方面的研究成果。

AI诊断眼疾肺炎

该技术的原理是将视网膜光学相干层析成像（OCT）扫描图像或是胸部X光片导入一种卷积神经网络中加以甄别，然后根据图像中生物组织的病变情况来判断黄斑变性、糖尿病性黄斑水肿或是细菌性与病毒性肺炎等病情。相对于问诊眼科医生，再走繁琐地诊断流程，使用该AI方法仅需30秒时间即可判断病人是否需要转介治疗，且准确率超过95%。

张教授团队们面临的问题是，视网膜OCT图像不难找，胸部X光片的高质量标注图像却相当匮乏，因而张康教授团队只得另寻它法，求助于可以举一反三的“迁移学习模型”，后者能将已训练好的模型参数迁移到新模型辅助训练，运用旧有知识学习新知识。

于是，科研人员先用10万张准确标注的视网膜OCT图像在开源机器学习平台TensorFlow上训练出诊断眼疾准确性、灵敏度和特异度分别达到96.6%、97.8%和97.4%的Inception V3模型，再调整层和过滤器的数量，迁移到肺炎诊断模型。

经5232张胸部X光图像训练，诊断肺炎的准确性实测达92.8%。

区分细菌性肺炎和病毒性肺炎的准确性为90.7%。

为方便医生确诊，研究后期他们又为诊断程序加入“遮挡测试”功能，在执行诊断的过程中自动用紫红色块遮挡AI认为病变的部位。

张康教授团队邀请了6位人类专家进行对比测试

测试结果表明

AI诊断准确性比拼3胜3负，高于人均水平，处于中上等，这也就意味着使用AI代替人类专家诊断已经成为可能！

更难能可贵的是，AI诊断唯一依赖的数据源是非侵入式的扫描图像，OCT设备和X光成像设备在医院中相当普遍，一旦商用，医院无须购置额外昂贵的医疗设备即可立即投产，问诊费用低廉而高效。然而，该诊断方法目前也面临着两大障碍

1

可诊断的疾病数量偏少，如果要让AI获得诊断更多疾病的能力，还需要从世界各地的医院获取高质量标注图像

2

这类方法也没有获得医疗监管机构认证，其诊断结果即便精确，也不具备医师诊断的效力。

张康博士表示他们的训练算法能根据输入的学习图像产生自己的过滤器，而迁移学习的特性又令该模型可以在不同的疾病之间方便地切换，应用前景广阔。

据了解，他们的AI系统已经在美国和拉丁美洲眼科诊所进行小规模临床试用，取得经验后在进行大规模推广。此外，在后续的研究中，他们还会进一步增加准确标注的图片数量，同时增加可诊断的疾病种类，并进一步优化系统等。

健康福音：权威健康知识 最新药品信息

关注健康，传递福音！

欢迎将本文转发到朋友圈