近,首都医科大学附属北京同仁医院副院长魏文斌教丨授团队与北京鹰瞳科技发展股份有限公司(简称“鹰瞳Airdoc”)和爱康集团在《美国医学会杂志》子刊JAMA Network Open杂志(影响因子13.4)联合发表题为“Artificial Intelligence for Screening of Multiple Retinal and Optic Nerve Diseases”(人工智能对多种视膜和视神经疾病的筛查应用)的研究论文。
新研究显示,利用眼底照片进行训练的智能算法模型,在国内多中心的实际验证中展现出令人印象深刻的表现。对于10种常见眼底疾病的筛查,该算法的敏感性可与经验很丰富的眼科医生相媲美,同时筛查所需时间减少了约75%。这一结果表明,在大规模筛查环境中,这一技术具有广泛的应用前景。
与此同时,这是2021年7月《柳叶刀·数字健康》刊发相关真实所有地区研究后,有名期刊对鹰瞳Airdoc视膜影像人工智能多病种诊断算法能力和应用价值的又一有力验证。
论文截图诊断能力堪比资历高眼底医生
医生筛查用时或节省75%
在这项国内性多中心研究中,研究团队基于12万张眼底照片开发了视膜人工智能诊断系统(系统名:RAIDS)来识别常见眼底病,包括**糖尿病视膜病变**、**青光眼**、**黄斑裂孔**、**黄斑前膜**、**高血压视膜病变**、**视膜有髓神经纤维**、**视膜色素变性**、**年龄相关性黄斑变性**、**视膜静脉阻塞**及**病理性近视**。
在医疗系统开发过程中,研究小组首先将眼底病分为3类:视膜类(如糖尿病视膜病变、病理性近视、视膜静脉阻塞、高血压视膜病变、视膜有髓神经纤维、视膜色素变性);黄斑类(如年龄相关性黄斑变性、黄斑裂孔、黄斑前膜);视盘类(如青光眼),构建了一个包含3个子任务(即视膜类子任务、黄斑类子任务和视盘类子任务)的多任务分类框架。
第二步中,研究团队训练出卷积神经络检测器来定位眼底照片的黄斑和视盘区域,再通过多任务分类框架来识别眼底病。
该研究还基于北京眼病研究和开滦眼病研究的数据集,比较了RAIDS和不同年资眼科医生之间的诊断性能表现,结果显示与眼科医生相比,RAIDS对异常眼底的诊断性能在敏感度方面表现更好(RAIDS:91.7%;初级眼科医生:83.7%;高年资眼科医生:86.4%;资历高眼科医生:88.5%)。RAIDS系统在检测7种眼底病(糖尿病视膜病变、青光眼、黄斑裂孔、黄斑前膜、高血压视膜病变、视膜有髓神经纤维和视膜色素变性)方面达到甚至超越了资历高眼科医生的诊断敏感度。
在这一时刻,利用RAIDS系统进行10种眼病的诊断仅需0.3秒,远小于眼底专科医生的时间。与独立依赖眼科医生的检查相比,RAIDS系统结合眼科医生的临床筛查模式,不仅取得了相似的诊断准确性高性,而且筛查所需的时间减少了大约75%。
研究设计有助于解决眼科医疗资源匮乏难题
实现国内致盲眼病的早筛早诊
糖尿病视膜病变、病理性近视、青光眼、老年黄斑变性是所有地区公认的致盲眼病。其中糖尿病视膜病变是工作年龄人群中常见的致盲性疾病,危害极其重。早期筛查对于预防失明至关重要,能够显著减少80%以上的致盲率。
研究表明,RAIDS系统可以实时准确性高筛查10种眼底病,有助于帮助欠发达地区解决眼科医疗资源匮乏难题,实现国内致盲眼病的早筛早诊。
这项研究的通讯作者是北京同仁医院副院长、眼科医生魏文斌教丨授。魏文斌教丨授在眼底病领域有着丰富的临床经验和科研背景,是国内先进的医生之一。他领导的团队利用医学人工智能研究与验证工信部重点实验室的平台,通过建立深度学习算法,在眼底病识别、眼轴及屈光度智能筛查、眼内肿物诊断和风险分层、豹纹样眼底定量化分析等领域取得了一系列重要成果。
本文共同前列作者为北京同仁医院董力博士、张瑞恒硕士,鹰瞳Airdoc贺婉佶博士,以及鹰瞳Airdoc莫纳什研究中心主要科学家、澳大利亚莫纳什大学戈宗元教丨授。
首都医科大学附属北京同仁医院 董力博士首都医科大学附属北京同仁医院 张瑞恒硕士作为所有地区视膜影像人工智能领域的市场先驱与先行者,鹰瞳Airdoc一直以来高度重视研发创新,在算法和硬件研发上持续投入,积极与科研院所和高校展开合作,促进研究成果的临床转化。截至目前,鹰瞳Airdoc已在《柳叶刀》系列、《英国眼科学杂志》等信赖同行评审期刊,以及MICCAI等有名人工智能学术会议发表40余篇论文。
秉承“让健康无处不在”的企业使命,鹰瞳Airdoc期望通过产品的持续研发和推广,让优质医疗服务像空气一样平等普惠、触手可及。
论文链接: