近年來，AI技術在醫(yī)療領域中的應用得到快速推廣，包括醫(yī)學影像、新藥研發(fā)、病例分析、健康管理平臺等眾多場景。醫(yī)療領域的研究機構、醫(yī)院、高校、企業(yè)等都在積極開展AI的研究與合作項目，在實際的臨床診療中，我們也能體驗眾多三甲醫(yī)院已經開啟AI技術的臨床試驗案例，比如AI影像識別、智能診療助手及智能診療平臺等。
在這些場景中，AI技術在醫(yī)學影像領域中的落地應用最廣，據研究，在醫(yī)學文獻中使用到有關于醫(yī)學影像分析和圖像分析的算法超過72%，AI在醫(yī)學影像領域應用成熟度較高。
在醫(yī)學影像領域中的細分領域內，AI眼底影像分析的發(fā)展備受矚目，除了其落地的趨勢發(fā)展之快，更重要的是其背后代表的醫(yī)療產業(yè)價值，眼底篩查和診療離不開影像設備的輔助，那么，AI技術+眼底影像設備又碰撞出哪些新的魔法呢?
AI與眼底影像設備的邂逅帶來了什么?
眼睛是人體非常重要的器官，而眼底病是威脅視力的重要危險因素，眼底病與癌癥、心腦血管疾病是最能影響生活質量的疾病前三，目前大部分眼底病可以通過眼底影像篩查設備及時發(fā)現(xiàn)、治療，可以大大降低致盲率。
眼疾的診療離不開醫(yī)學影像設備的輔助，對于AI眼底影像分析技術來說，在現(xiàn)下的整個臨床診療過程中，從篩查、診斷、治療引導和評估，都占據了極其重要的地位，是非常重要的輔助工具。AI技術與眼底影像設備的邂逅提供的價值包含：
首先是對于患者來說，緩解供需失衡的診療需求。我們是一個擁有14億人口大國，但是醫(yī)療資源供需嚴重失衡，什么時候去醫(yī)院都是人滿為患，而對于眼科領域，注冊的眼科醫(yī)生只有三萬多人，想要在有限的醫(yī)療資源條件下去服務這么大的患者群體， AI眼底影像的技術背后的閱片效率輔助，可以有效的減緩醫(yī)療資源的緊張事態(tài)，并創(chuàng)造新的解決方案和醫(yī)療模式。
其次從醫(yī)師的角度來看，提高了眼疾診斷精度與效率。由于就診量巨大，醫(yī)師長期從事高負荷的閱片工作，容易出現(xiàn)漏、誤診等問題。再加上眼科領域的工作專業(yè)性高比較復雜，對于一些經驗不足的基層醫(yī)師，也會出現(xiàn)一些誤診的情況，AI眼底影像技術的介入，對于一些眼底疾病的評估，準確性和人類專家的水平相似，在幾秒內就可以給出診斷建議，成為眼科醫(yī)生的得力助手，提高診斷的精度、時間，可以釋放醫(yī)生的部分精力到研究性工作和治療當中。
再者就是AI眼底影像技術對于除眼疾以外其他病癥的輔助判斷。由于眼底富有各種動靜脈血管，眼底檢查已經成為監(jiān)測多種全身性疾病的重要依據，比如動脈硬化、高血壓、腎炎、白血病、貧血等都會引起眼底變化，能反映諸如高血壓、糖尿病等慢性病的病變和累積。
有了AI眼底影像分析的技術，這一對專業(yè)能力要求較高，而很難普遍應用的領域得以發(fā)揮價值，不僅提升了眼底影像分析的效率和診斷的準確性，眼科醫(yī)療模式也從以醫(yī)院為中心變成以患者為中心，惠及大眾，緩解了醫(yī)療資源的緊張。
從疾病的診治角度來看，從晚期發(fā)現(xiàn)保守治療的模式轉變?yōu)檠奂苍缙诘暮Y查管理介入，遠離致盲的危險，而一切變化的前提是AI影像分析技術對于新醫(yī)療模式的支持。AI眼底影像的價值巨大，其發(fā)展已經走上了商業(yè)化落地的路上。
AI眼底影像技術大豐收：
十秒出報告，篩診新疾病
現(xiàn)下市場上的AI眼底影像分析設備幾乎都能夠精準識別絕大多數常見眼底病灶，漏診與誤診均在較低水平，能夠幫助醫(yī)生患者實現(xiàn)分級診療，篩查分析早期介入臨床診療中從而降低致盲率，充分發(fā)揮眼底疾病篩查的公共衛(wèi)生價值。
DeepMind聯(lián)合倫敦Moorfields頂級眼科醫(yī)院合作推出的AI眼底篩查技術，能夠實現(xiàn)在30秒之內識別出數種疾病;百度的AI 眼底篩查一體機可以十秒內識別篩查數種眼疾，如篩查糖網、青光眼、黃斑病變等，準確率可達到90%以上，基本接近三甲醫(yī)院醫(yī)生能力，目前在500個貧苦縣試點部署落地。
一些AI創(chuàng)企如Airdoc可以檢測診斷眼科常見的22種眼底疾病和狀況，如常見的年齡相關性黃斑病變、糖尿病視網膜病變、黃斑前膜、視網膜靜脈阻塞等眼底疾病等，其特異性和靈敏度結果在90%以上，只需要10秒鐘左右，就會自動生成診斷報告，目前在一些眼科醫(yī)院已經部署了具有眼底影像AI分析設備。
除了眼疾的診斷外，AI眼底影像分析也在其他病癥的診療中有新的進展，中山大學中山眼科中心在柳葉刀發(fā)布了首例通過AI眼部影像篩診肝膽疾病的研究項目，研究組使用深度學習技術從影像數據中提取出肝膽疾病的眼部特征并開發(fā)及驗證了14個模型，用于篩查是否患有肝膽疾病及診斷是否患有肝癌、肝硬化、慢性病毒性肝炎、非酒精性脂肪肝、膽石癥及肝囊腫六大類常見肝膽疾病，這些篩診模型已成功部署在中山大學中山眼科中心智能診斷預測云平臺上，可作為大規(guī)?？焖贌o創(chuàng)篩診的工具。
縱觀整個醫(yī)療領域AI眼底影像分析的發(fā)展，雖然有較大的技術進步和此起彼伏的技術革新，但是因為其行業(yè)的結構性特點，對專業(yè)性和嚴謹性要求極高，AI 醫(yī)療落地相較于其他行業(yè)來說門檻更高，實現(xiàn)普及化需要深厚的AI技術積累和大量的AI落地應用經驗，AI眼底影像技術的革新道路并不似康莊大道般平坦順利。
制約商業(yè)化進程的攔路虎
AI眼底影像分析在實際的臨床商業(yè)應用中，面臨不少挑戰(zhàn)。
一是背后的技術制約，數據的獲取與處理成本過高。在醫(yī)療領域，數據的量與質都很重要，準確性和規(guī)范性都需要考慮。因為醫(yī)療領域數據孤島的影響，數據主要是在醫(yī)院，數量有限并且只在小范圍內閉環(huán)使用。此外在收集數據的過程中，非結構化的數據占數據總量的90%左右，參與模型訓練的數據必須要經過醫(yī)療領域的專業(yè)人員標注，其準確性直接影響最終的診斷結果，數據標注處理需要耗費大量的成本。
二是AI眼底影像系統(tǒng)魯棒性有待提高。目前，AI眼底影像分析產品的性能參數大多數來源于有限的數據集訓練，AI模型的泛化能力不足。在高度復雜的臨床應用中，單任務的深度學習算法已經無法應對多眼底病種需求，多任務的算法發(fā)展必須深研跟進，產品魯棒性有待提高。
三是行業(yè)的評價標準體系未完善?，F(xiàn)下國家對個人信息的安全越來越看重，而醫(yī)療數據涉及患者的個人隱私，當前尚無專門針對醫(yī)療信息及個人健康隱私保護的法規(guī)、標準，對醫(yī)療信息的敏感部分無統(tǒng)一標準，其他數據指標體系的標準化建設行業(yè)內尚未完善，存在爭議。在倫理和法律法規(guī)方面，出現(xiàn)誤診及醫(yī)療事故由誰負責有待明確，缺乏評估AI系統(tǒng)安全性和有效性的標準。
四是來自政策監(jiān)管的制約，醫(yī)療作為一個強監(jiān)管行業(yè)，受到國家政策的引導和約束，醫(yī)療影像AI產品上市必須先獲得相關部門審批，驗證安全性、有效性才能夠應用于市場，如果審批受阻，對快節(jié)奏發(fā)展的醫(yī)療AI創(chuàng)業(yè)公司來說，時間就是生命，前期的投入如果有打水漂的可能，一切都要玩完。
技術的發(fā)展之路或者是商業(yè)化之路，在充分競爭的市場中，結論就是變革迭代一直存在，無論是技術、體驗還是政策，變化是唯一確定的道路，回顧眼底成像技術的發(fā)展，從1851年Helmholtz發(fā)明的首款可以觀察眼睛的檢眼鏡，再到1950年彩色眼底照相技術記錄的眼底世界。九十年代相干光層析成像術(OCT)的誕生，使我們得到了二維、三維的眼底圖像。到新時代AI技術將硬件設備與軟件算法相結合，影像設備可以數十秒內診斷出報告輔助醫(yī)生判斷決策。
在這些里程碑事件中，我們可以看到眼底成像技術在科技發(fā)展浪潮之下突飛猛進越變越好，未來AI眼底影像技術也有新的發(fā)展思路與革新方向，一方面是AI眼底影像研究正在嘗試多模態(tài)任務的算法開發(fā)。對于多種眼病診斷的復合系統(tǒng)，單任務的深度學習算法已經無法應對需求，未來多源、多維度的數據通過深度學習分析融合，朝著對一些病變和疾病的關系確認方面發(fā)展，提升診斷的特異性及準確性，尤其是對少見病、罕見病的診斷，多模態(tài)任務的算法將是大勢所趨。
另一方面，AI眼底影像技術未來從診斷向治療做閉環(huán)延伸。從眼疾臨床診療的流程來看，診斷只是其中一環(huán)，后續(xù)精準的治療才是診斷的核心價值所在，雖然目前AI眼底影像產品以醫(yī)療器械形式部署進醫(yī)院，市場空間很大但對于整個療程的商業(yè)價值來說價值有限。AI眼底影像技術的趨勢將會擁抱整個治療過程的商業(yè)價值，從單一輔助技術工具到部署閉環(huán)解決方案，向治療領域縱向延伸。
對于AI眼底影像技術的分析研究，我們可以看到，在整個大健康事業(yè)的建設中，其商業(yè)價值和公益效用并駕齊驅發(fā)展，AI眼底影像技術算法模型的積累和落地應用，正在改變未來的醫(yī)療模式，管理人們的健康狀況。
文章來源：燕良 腦極體
（轉載）
