快捷导航 主页 > 新闻中心 > 科技动态 >
谷歌重磅打造眼科疾病诊断人工智能计划
发布时间:2018-03-16

  

 

  人工智能(artificial intelligence,AI)代替专科医生诊断糖尿病眼病?

  Lily Peng博士和Google AI同事利用擅长视网膜疾病的专家医师提供的一组会诊图像子集,改进了一款疾病诊断软件,再用专家输入来提高计算机表现,最终使这款软件的诊断能力大致等同于视网膜专家。

  世界卫生组织宣布,全球糖尿病患者已超4亿,这些患者具有很高的视网膜病变风险。疾病早期,患者往往不容易注意到自身的视力变化,随着病情发展,糖尿病视网膜病变一般会发展为无法逆转的视力丧失。这就是为什么糖尿病患者每年都要进行眼部疾病筛查的重要原因。

  Peng博士和她的团队使用神经网络(neural networks)来识别糖尿病视网膜病变。研究早期,他们将成千上的视网膜扫描输入神经网络,训练数学系统“看到”微小的出血等其他早期预警信号。

  然而,面对错综复杂的疾病,只依靠机器学习还不够可靠。本着为祖母开发一款更准确的软件的心思,Peng博士进一步参考了专攻视网膜疾病的眼科专家提供的真实诊断数据。

  “我想为祖母聘请一组由专家医师组成的治疗团队,能坐下来讨论她的病情,并给出他们的建议,”Peng博士说。“但那样不仅费用昂贵而且很难办到。于是,我开始思考‘才能构建出一个接近于此的算法?’”

  Peng博士通过比较原始算法和3位普通眼科医生的投票手动图像分级或3位视网膜专家的共识分级,来测试算法开发的可能性。

  糖尿病视网膜病变分级是一个复杂的过程,需要识别和量化许多细微特征,如小动脉瘤和出血。因此,普通医生在检查图像筛查疾病时存在相当大的可变性。

  视网膜专家分别对图像进行分级,然后统一整合并解决所有分歧,给出的共识诊断具有一定的洞察力,分级过程有助于纠正因灰尘斑点和出血类型差异导致的错误,为通常难以下诊断结论的“灰色地带”创建更精准的定义。最终,视网膜专家给出的决策精确度高于典型的临床实践。

  在这些专家分级图像的帮助下,Peng博士对软件进行了微调,从而提高了原始模型的性能,改善了疾病检测精度。

  “我们相信,这项工作为其他眼科疾病诊断研究提供了基础,并为机器学习在医学领域的应用提供了参考标准,”Peng博士说。