余轮教授：基于眼底影像和人工智能，怎样实现大疾病预警和个性化健康服务？

AI掘金志出品

雷锋网旗下只报道“AI+传统”的内容频道

雷锋网AI掘金志《未来医疗大讲堂——医学影像专题》第五期总结文：一个只给医疗AI从业者、影像科医生、名校师生、CFDA工作人员看的系列课程。

课程提纲：

1、糖尿病视网膜病变（DR)的远程筛查和眼底图像判读

应用背景

重大疾病预警

要解决的关键问题

2、AI在眼底图像分析和DR筛查中的应用

DR筛查的防治指南和分级诊断标准

视网膜对慢性病诊断和预后判断的作用

巨头入围，创业企业的机会在哪里

3、基于深度学习医学影像分析中的标注问题

AlphaGO DNN的一个缺点

DR血管瘤和出血点的随机分布

随机性和人眼灰度判别的局限性

如何评价某些DR的AI分析系统成果

4、人工智能在眼底医疗影像中的目标和评价体系

医学的评价体系

计算机工程界常用的评价指标

DR自动分析与眼底血管改变

基于知识计算模型的重大疾病风险预警和健康评估引擎

5、医疗影像分析走向人工智能化的关键要素

人工智能应用的各个领域

人工智能方向的人才培养

6、经典医学图像处理方法与深度学习的结合

图像预处理与深度学习

眼底血管分割方法

眼底硬性渗出检测方法

7、基于眼底影像和人工智能的健康服务系统

总体思路

系统产品介绍

应用创新和技术优势

应用领域和刚需分析

嘉宾介绍

余轮，二级教授，博士生导师，国务院政府特殊津贴获得者

学术背景：

余轮教授现为福州大学生物医学与健康工程首席科学家、研究院长，是德国汉堡大学医学院高访学者，曾长期担任中国图象图形学会副理事长、中国生物医学工程学会信息与控制分会委员以及福建省生物医学工程学会副理事长、互联网协会常务理事等职务，为国务院政府特殊津贴获得者。

余教授曾先后主持国家基金重点项目“免散瞳眼底自动照相机及其远程会诊系统”以及“远程糖尿病性视网膜病变筛查及图象分析系统”、“远程病理学会诊及图象分析系统”、“冠心病早期诊断新技术及心脏医学图象自动分析系统”、“远程病理学会诊系统”、“远程心电中央监护及自动分析系统”等国家基金、卫生部联合基金、国家火炬项目等16个项目的研究，均取得应用或推广。

余教授近年来专注于人工智能、医学影像、远程医疗和健康医疗大数据的研究，建立了一种基于眼底影像的重大疾病预警和移动医疗健康服务系统，从事糖尿病视网膜病变筛查及其远程会诊系统15年，在人工智能和DR筛查、一种“可更新、低成本、可分析”的健康医学大数据系统的建立和大数据服务中取得重要的突破和10多项专利等知识产权成果，发表紧密相关论文100多篇。

以下内容节选自余轮教授课程

据了解，余教授从十多年前就开始在糖尿病视网膜病变的远程筛查和图像判读方面进行研究，他认为，远程医疗是开展DR筛查的有效办法，因为DR筛查可以使失明风险降低94.4%，但是我国的筛查率还不到10%，其中的主要就在于我国专业眼底阅图医生数量不足，而且忙于已发眼病的诊治，根本没有时间去进行大量糖尿病患者的筛查。

此外，根据2015年发布的中国糖尿病患者ASCCVD分级预防指南：糖尿病管理首先应该解决脑卒中等动脉粥样硬化性疾病的预防，而不仅仅以控制血糖为中心。但迄今缺乏风险预测的高效手段。

2001年，余教授在美国访问期间参观了著名的威尔玛眼科中心以及该中心的新型糖尿病视网膜病变的远程自动照相系统，基于DR的社会需求和自己的亲身经历，余教授从十几年前开始便投身该领域的研究。

AI在眼底影像分析和DR筛查中的应用

去年四月到六月，在国内掀起一股AI和DR筛查的热潮。在远程DR筛查的研究之外，余轮教授也非常关注人工智能技术在医学领域的应用。

他认为，医学影像与人工智能的结合，是数字医疗领域较新的分支，而且是今天数字医疗产业的热点。此外，医学影像包含了海量的数据，即使有经验的医生有时也显得无所适从。所以，人工智能在医学影像的解读方面的应用需要长时间专业经验的积累以及两者的紧密结合。

在余教授看来，仅仅依靠AI-自动筛查系统运用于临床前，仍然有许多问题需要去解决。部分学者担心这种自动筛查机器会增加筛查本身的成本；还有学者认为它还不具备可以判断DR严重程度或分级的能力，这将导致一些需要及时处理的严重DR患者不能得到及时有效的治疗。余教授表示，“DR读片必须结合自动分级和人工分级进行。”

去年11月，腾讯觅影进入首批国家新一代人工智能开放创新平台名单，负责建设医疗影像国家新一代人工智能开放创新平台。余教授认为，腾讯研发并推广觅影系统，目前还主要希望它能作为整个“互联网+智慧医疗”生态系统的一个版块。包括智慧产业、智慧政府和智慧民生，其中医疗是智慧民生的重中之重。

现阶段腾讯的医疗AI技术和产品似乎并没有绝对的领先优势，有的甚至刚刚开始，但以腾讯觅影、微信支付和新一代人工智能开放创新平台为依托的智慧城市和智慧医院，却是各地政府和医院难以拒绝的。

巨头入围，那是否其它创业企业就没有希望呢？余教授认为是有机会的，医疗AI创业企业可以搭建平台，与医疗大数据、互联网医疗、医疗信息化等领域的企业形成协同效应，将产品整合打包或落地。

DR筛查与自动分级

余教授表示，医学领域对一个系统的评价指标主要有两个：敏感性和特异性。企业在开发人工智能系统时都在追求高敏感性和高特异性。但是在余教授看来，“明察秋毫”和“枉杀千人”需要找到一个平衡点。临床要追求整体的运行效率，牺牲敏感性追求特异性会造成漏诊率提高，致使筛查或检查不达目的；牺牲特异性追求敏感性可能又会对医生“越帮越忙”，造成医疗资源的浪费。

余教授表示，很多企业都声称其开发系统的敏感性和特异性可以接近于100%，但是这个结果还需要结合具体的实践场景，是来自于数据库中的数据还是临床数据。目前，DR分期分类的方法已经有了ETDRS（Early Treatment Diabetic Retinopathy Study）标注，该标准需要采集7个视野，单幅45度图像DR筛查敏感性不高于70%，所以，对外宣称准确率可以达到95%以上的结果还是存在疑问的。

基于上述的思考，余教授团队提出了一种Betago-C引擎，可以在提高特异性的同时，不降低敏感度。“AI不只是深度学习，经典的图像处理方法结合深度学习来提取特征，应该是一个很好的方向。”

此外，在精准医学的背景下，除了Betago-C引擎之外，他们团队还建立了一个基于知识计算模型的重大疾病风险预警和健康评估引擎：实现眼底视网膜病变的“人工智能-自动分级”，眼底血管改变的检测以及问诊资料的获得与分析模型的建立。

在随后的演讲中，余教授结合图像预处理与深度学习结合的案例，分享了眼底血管的两种分割方法以及眼底硬性渗出检测方法（粗分割和精分割）。

基于眼底影像和人工智能的健康服务系统

余教授表示，医疗卫生改革很重要的一点就是将医院内的CT、MR等技术独立出来向社会开放，因此第三方检测平台也成为了资本追逐的对象。那么，眼底影像与第三方检测平台结合可以有哪些发展方向？

余教授介绍了自己团队的“基于眼底影像和人工智能的健康服务系统”。他认为这类系统的总体发展思路可以分为三点：

建立远程眼底中心，提供远程眼底图像判读筛查和转诊服务

从眼底看全身健康，助力慢病分级诊疗与个性化的健康服务

建设影响监检测平台，助力医疗保险控费和健康管理体检机构

以余教授团队的系统方案为例，这套系统的云健康服务系统由“远程判读会诊中心”和“大数据和健康管理”两部分组成。受检者眼底图像拍摄后，传输到云平台进行判读和处理，在此前提及的“疾病风险预警评估引擎”的支持下工作。

学员部分问题

雷锋网AI掘金志线上直播结束后，学员从不同维度提出了20个问题，余轮教授对多数问题进行了耐心解答。

问题：

1.详细讲讲您设计的贝塔方法

2.您怎么评价和看待谷歌现在炒地很热的AI糖网筛查项目？

3.您预计CFDA什么时候可以大规模审批通过糖网AI产品？

4.谈谈近一年您认为比较前沿且实用，但很多人没注意到学术研究方向

5.控糖控压的干预措施怎么跟踪控制？能详细介绍下么？

6.眼底图像糖网各个分期之间特征很近似，有没有针对性的算法提升分类精度

7.聚类算法比如dbscan能不能分割出眼底图像中血管？在这方面现在效果做的怎么样？

……