中山大學(xué)中山眼科中心
導(dǎo)言
醫(yī)學(xué)人工智能的浪潮已經(jīng)到來。然而，目前國(guó)內(nèi)醫(yī)學(xué)人工智能發(fā)展仍面臨優(yōu)質(zhì)數(shù)據(jù)提取困難、現(xiàn)有數(shù)據(jù)標(biāo)注方法效率低等一系列問題，同時(shí)許多疾病患病率低，不同學(xué)科數(shù)據(jù)特征迥異，導(dǎo)致現(xiàn)有人工智能算法通常難以應(yīng)對(duì)跨學(xué)科場(chǎng)景。如何利用一流醫(yī)療人才團(tuán)隊(duì)與海量循證醫(yī)療數(shù)據(jù)的優(yōu)勢(shì)，突破僵局，建立中國(guó)特色的醫(yī)學(xué)人工智能發(fā)展模式，仍然是目前中國(guó)廣大人工智能工作者們面臨的重大科學(xué)問題。
在國(guó)家重點(diǎn)研發(fā)計(jì)劃（2018YFC0116500）、國(guó)家自然科學(xué)基金面上項(xiàng)目（81770967）、廣東省科技計(jì)劃項(xiàng)目（2018B010109008）支持下，林浩添教授提出了醫(yī)學(xué)人工智能“樂高”計(jì)劃，以標(biāo)準(zhǔn)化數(shù)據(jù)標(biāo)注模式、提高數(shù)據(jù)標(biāo)注效率、建立醫(yī)療數(shù)據(jù)區(qū)塊鏈等作為切入點(diǎn)，進(jìn)行戰(zhàn)略部署。該計(jì)劃通過將醫(yī)學(xué)數(shù)據(jù)轉(zhuǎn)化成可以拼插組合的“樂高”模塊，打通不同疾病學(xué)科的數(shù)據(jù)異質(zhì)性壁壘。作為醫(yī)學(xué)人工智能“樂高”計(jì)劃的首個(gè)研發(fā)成果，Visionome技術(shù)成功實(shí)現(xiàn)了人工智能進(jìn)行跨學(xué)科、多病種應(yīng)用，證明了醫(yī)學(xué)人工智能“樂高”計(jì)劃的高度可行性。目前，團(tuán)隊(duì)已與數(shù)十家醫(yī)院建立合作，加快推進(jìn)醫(yī)學(xué)人工智能“樂高”計(jì)劃的跨學(xué)科應(yīng)用。
首創(chuàng)醫(yī)學(xué)圖像密集標(biāo)注技術(shù)Visionome
醫(yī)學(xué)圖像密集標(biāo)注技術(shù)Visionome是一種基于解剖學(xué)和病理學(xué)特征對(duì)醫(yī)學(xué)圖像進(jìn)行密集標(biāo)注的方法，由林浩添教授、劉奕志教授與西安電子科技大學(xué)劉西洋教授帶領(lǐng)團(tuán)隊(duì)經(jīng)過5年鉆研合作共同研發(fā)完成。與傳統(tǒng)圖片級(jí)分類標(biāo)注方法相比，Visionome技術(shù)可多產(chǎn)生12倍標(biāo)簽，而這些標(biāo)簽訓(xùn)練出來的算法顯示了更好的診斷性能。基于此技術(shù)，團(tuán)隊(duì)訓(xùn)練出可準(zhǔn)確識(shí)別多種眼前段病變的裂隙燈圖像智能評(píng)估系統(tǒng)，可應(yīng)用于大規(guī)模篩查、綜合分診、專家級(jí)評(píng)估、多路徑診療建議等多個(gè)臨床場(chǎng)景。不僅在回顧性數(shù)據(jù)集中表現(xiàn)出眼科專家級(jí)別的診斷水平，在前瞻性數(shù)據(jù)集中也表現(xiàn)出色。最新研究成果“Dense anatomical annotation of slit-lamp images improves the performance of deep learning for the diagnosis of ophthalmic disorders”于2020年6月22日發(fā)表于《自然》雜志的子刊《自然生物醫(yī)學(xué)工程》（Nature Biomedical Engineering，IF=17.135），并進(jìn)入臨床轉(zhuǎn)化應(yīng)用。
Nature Biomedical Engineering在線發(fā)表的文章首頁(yè)
2020年6月23日，林浩添教授和劉西洋教授及其團(tuán)隊(duì)面向媒體發(fā)布了這一重磅研發(fā)成果。
新聞發(fā)布會(huì)
簽約儀式
團(tuán)隊(duì)合影
利用人類醫(yī)生學(xué)習(xí)曲線 構(gòu)建醫(yī)學(xué)人工智能學(xué)習(xí)模式
圖像標(biāo)注是所有人工智能算法感知世界的基礎(chǔ)。但是，既往診斷算法常使用單一圖片級(jí)二分類標(biāo)注方法進(jìn)行數(shù)據(jù)集構(gòu)建，損失了大量有效解剖學(xué)信息。團(tuán)隊(duì)觀察到，醫(yī)學(xué)生在學(xué)習(xí)過程中，會(huì)基于少量精密解剖圖和病理圖，不斷加深對(duì)解剖學(xué)、生理學(xué)和病理學(xué)等學(xué)科的學(xué)習(xí)?；诖?，團(tuán)隊(duì)提出構(gòu)想：在醫(yī)學(xué)圖像標(biāo)注過程中，高質(zhì)量的小樣本數(shù)據(jù)集也有潛力訓(xùn)練出診斷性能優(yōu)異的人工智能算法。為證實(shí)這一猜想，團(tuán)隊(duì)決定利用類似DNA序列分割的原理對(duì)醫(yī)學(xué)圖像進(jìn)行分割：建立Visionome密集標(biāo)注標(biāo)準(zhǔn)流程，組織25人專家標(biāo)注團(tuán)隊(duì)將1,772張包含角膜炎、胬肉等感染、環(huán)境、年齡相關(guān)性疾病的眼前段圖像，按照14種解剖結(jié)構(gòu)進(jìn)行區(qū)域分割，對(duì)于6種病變部位按照54種病理性特征進(jìn)行密集標(biāo)注，最終得到了13,404個(gè)解剖結(jié)構(gòu)標(biāo)簽和8,329個(gè)病理特征標(biāo)簽。團(tuán)隊(duì)還使用傳統(tǒng)標(biāo)注方法生成標(biāo)注數(shù)據(jù)集進(jìn)行算法訓(xùn)練和對(duì)比，結(jié)果顯示Visionome數(shù)據(jù)集訓(xùn)練的算法具有顯著更高的診斷準(zhǔn)確率。
Visionome技術(shù)密集標(biāo)注原理
建立功能多樣的裂隙燈圖像智能評(píng)估系統(tǒng)
團(tuán)隊(duì)使用Visionome數(shù)據(jù)集，進(jìn)一步研發(fā)了可針對(duì)多種眼前段疾病，進(jìn)行多區(qū)域識(shí)別和分類的裂隙燈圖像智能評(píng)估系統(tǒng)。該系統(tǒng)可完成4項(xiàng)臨床任務(wù)：
1）大規(guī)模篩查，即對(duì)眼前段圖像進(jìn)行正常/異常判斷，準(zhǔn)確率高達(dá)98.54%；
本次成果通訊作者林浩添教授、劉奕志教授和劉西洋教授（上）及核心作者李王婷、楊雅涵和張凱（下）