AI和我们——人工智能正常眼底阅片模型的建立

人工智能（Artificial Intelligence，AI），是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学。

从互联网医疗到医疗人工智能，是对医疗行业诊疗形式的一次变革，医疗影像是AI在医疗领域应用的第一站。

从技术路径看，AI医疗影像的门槛和壁垒在于算法和数据。AI医疗影像产品需要覆盖多病种。

医院是最大的医疗数据聚集地，数据资源以及数据闭环能力很重要，即拥有影像数据、病灶重点标注数据、诊断报告等，数据闭环的形成可以让模型不断地自我学习，持续提高精准度和灵敏度。

算法是AI医疗影像产品的关键。

目前AI在眼科的应用主要为影像分析，如糖尿病视网膜病变的远程筛查。

神经元深度学习算法是目前AI算法中的飞跃。

AI正常眼底阅片模型：

数据源：一个健康VS非健康的模型的数据。

模型检测眼底各区域的病变特征，把这些不同区域的病变汇总后判断眼底是健康or非健康。

系统包含五个模块：1.黄斑区模块

2.大分类模块

3.血管分割+分类模块

4.视杯视盘模块

5.损伤检测模块

各模块之间会有部分的重复检测某疾病，如糖网的检测在2. 3. 5模块都有，这样的安排是为了提高检测准确性，且对疾病的分级可以更准确。

AI模型的训练流程包括对图片进行多种预处理，如数据增强、清洗，区域检测与提取等。图1所示为使用计算机视觉原理提取出的视盘与黄斑区，并将这些信息使用深度学习框架（Caffe 和 Tensorflow等）训练深度学习模型，识别多种病变。

目前我们与Air doc公司合作所建立的AI正常眼底阅片模型中，所进行的黄斑区模块，血管分割+分类模块，视杯视盘模块，经过一定量的训练和测试后，敏感性和特异性都在0.85以上，接近人类的判断思维。

小结：

用神经网络深度学习识别医疗影像已经成为热点；

变量取决于标注，算法自动学习到标注；

算法只能作为医生的工具，譬如显微镜，不能取代医生；

AI辅助工具的应用，是一个效率和准确率提升的过程，尤其对基层更具意义。

在AI正常眼底阅片模型建立的基础上，接下来，我们将对疾病分类模型进行进一步的训练，期待后期和大家共同分享。

相信AI作为医生辅助诊疗的工具的时代会越来越近。

魏文斌·品质视无界

“医术·智识·艺术”

（注：图文资料皆来自北京同仁医院眼科魏文斌教授，转载清注明出处。）