近年来,AI技术在医疗领域中的应用得到快速推广,包括医学影像、新药研发、病例分析、健康管理平台等众多场景。医疗领域的研究机构、医院、高校、企业等都在积极开展AI的研究与合作项目,在实际的临床诊疗中,我们也能体验众多三甲医院已经开启AI技术的临床试验案例,比如AI影像识别、智能诊疗助手及智能诊疗平台等。
在这些场景中,AI技术在医学影像领域中的落地应用最广,据研究,在医学文献中使用到有关于医学影像分析和图像分析的算法超过72%,AI在医学影像领域应用成熟度较高。
在医学影像领域中的细分领域内,AI眼底影像分析的发展备受瞩目,除了其落地的趋势发展之快,更重要的是其背后代表的医疗产业价值,眼底筛查和诊疗离不开影像设备的辅助,那么,AI技术+眼底影像设备又碰撞出哪些新的魔法呢?
AI与眼底影像设备的邂逅带来了什么?
眼睛是人体非常重要的器官,而眼底病是威胁视力的重要危险因素,眼底病与癌症、心脑血管疾病是最能影响生活质量的疾病前三,目前大部分眼底病可以通过眼底影像筛查设备及时发现、治疗,可以大大降低致盲率。
眼疾的诊疗离不开医学影像设备的辅助,对于AI眼底影像分析技术来说,在现下的整个临床诊疗过程中,从筛查、诊断、治疗引导和评估,都占据了极其重要的地位,是非常重要的辅助工具。AI技术与眼底影像设备的邂逅提供的价值包含:
首先是对于患者来说,缓解供需失衡的诊疗需求。我们是一个拥有14亿人口大国,但是医疗资源供需严重失衡,什么时候去医院都是人满为患,而对于眼科领域,注册的眼科医生只有三万多人,想要在有限的医疗资源条件下去服务这么大的患者群体, AI眼底影像的技术背后的阅片效率辅助,可以有效的减缓医疗资源的紧张事态,并创造新的解决方案和医疗模式。
其次从医师的角度来看,提高了眼疾诊断精度与效率。由于就诊量巨大,医师长期从事高负荷的阅片工作,容易出现漏、误诊等问题。再加上眼科领域的工作专业性高比较复杂,对于一些经验不足的基层医师,也会出现一些误诊的情况,AI眼底影像技术的介入,对于一些眼底疾病的评估,准确性和人类专家的水平相似,在几秒内就可以给出诊断建议,成为眼科医生的得力助手,提高诊断的精度、时间,可以释放医生的部分精力到研究性工作和治疗当中。
再者就是AI眼底影像技术对于除眼疾以外其他病症的辅助判断。由于眼底富有各种动静脉血管,眼底检查已经成为监测多种全身性疾病的重要依据,比如动脉硬化、高血压、肾炎、白血病、贫血等都会引起眼底变化,能反映诸如高血压、糖尿病等慢性病的病变和累积。
有了AI眼底影像分析的技术,这一对专业能力要求较高,而很难普遍应用的领域得以发挥价值,不仅提升了眼底影像分析的效率和诊断的准确性,眼科医疗模式也从以医院为中心变成以患者为中心,惠及大众,缓解了医疗资源的紧张。
从疾病的诊治角度来看,从晚期发现保守治疗的模式转变为眼疾早期的筛查管理介入,远离致盲的危险,而一切变化的前提是AI影像分析技术对于新医疗模式的支持。AI眼底影像的价值巨大,其发展已经走上了商业化落地的路上。
AI眼底影像技术大丰收:十秒出报告,筛诊新疾病
现下市场上的AI眼底影像分析设备几乎都能够精准识别绝大多数常见眼底病灶,漏诊与误诊均在较低水平,能够帮助医生患者实现分级诊疗,筛查分析早期介入临床诊疗中从而降低致盲率,充分发挥眼底疾病筛查的公共卫生价值。
DeepMind联合伦敦Moorfields顶级眼科医院合作推出的AI眼底筛查技术,能够实现在30秒之内识别出数种疾病;百度的AI 眼底筛查一体机可以十秒内识别筛查数种眼疾,如筛查糖网、青光眼、黄斑病变等,准确率可达到90%以上,基本接近三甲医院医生能力,目前在500个贫苦县试点部署落地。
一些AI创企如Airdoc可以检测诊断眼科常见的22种眼底疾病和状况,如常见的年龄相关性黄斑病变、糖尿病视网膜病变、黄斑前膜、视网膜静脉阻塞等眼底疾病等,其特异性和灵敏度结果在90%以上,只需要10秒钟左右,就会自动生成诊断报告,目前在一些眼科医院已经部署了具有眼底影像AI分析设备。
除了眼疾的诊断外,AI眼底影像分析也在其他病症的诊疗中有新的进展,中山大学中山眼科中心在柳叶刀发布了首例通过AI眼部影像筛诊肝胆疾病的研究项目,研究组使用深度学习技术从影像数据中提取出肝胆疾病的眼部特征并开发及验证了14个模型,用于筛查是否患有肝胆疾病及诊断是否患有肝癌、肝硬化、慢性病毒性肝炎、非酒精性脂肪肝、胆石症及肝囊肿六大类常见肝胆疾病,这些筛诊模型已成功部署在中山大学中山眼科中心智能诊断预测云平台上,可作为大规模快速无创筛诊的工具。
纵观整个医疗领域AI眼底影像分析的发展,虽然有较大的技术进步和此起彼伏的技术革新,但是因为其行业的结构性特点,对专业性和严谨性要求极高,AI 医疗落地相较于其他行业来说门槛更高,实现普及化需要深厚的AI技术积累和大量的AI落地应用经验,AI眼底影像技术的革新道路并不似康庄大道般平坦顺利。
制约商业化进程的拦路虎
AI眼底影像分析在实际的临床商业应用中,面临不少挑战。
一是背后的技术制约,数据的获取与处理成本过高。在医疗领域,数据的量与质都很重要,准确性和规范性都需要考虑。因为医疗领域数据孤岛的影响,数据主要是在医院,数量有限并且只在小范围内闭环使用。此外在收集数据的过程中,非结构化的数据占数据总量的90%左右,参与模型训练的数据必须要经过医疗领域的专业人员标注,其准确性直接影响最终的诊断结果,数据标注处理需要耗费大量的成本。
二是AI眼底影像系统鲁棒性有待提高。目前,AI眼底影像分析产品的性能参数大多数来源于有限的数据集训练,AI模型的泛化能力不足。在高度复杂的临床应用中,单任务的深度学习算法已经无法应对多眼底病种需求,多任务的算法发展必须深研跟进,产品鲁棒性有待提高。
三是行业的评价标准体系未完善。现下国家对个人信息的安全越来越看重,而医疗数据涉及患者的个人隐私,当前尚无专门针对医疗信息及个人健康隐私保护的法规、标准,对医疗信息的敏感部分无统一标准,其他数据指标体系的标准化建设行业内尚未完善,存在争议。在伦理和法律法规方面,出现误诊及医疗事故由谁负责有待明确,缺乏评估AI系统安全性和有效性的标准。
四是来自政策监管的制约,医疗作为一个强监管行业,受到国家政策的引导和约束,医疗影像AI产品上市必须先获得相关部门审批,验证安全性、有效性才能够应用于市场,如果审批受阻,对快节奏发展的医疗AI创业公司来说,时间就是生命,前期的投入如果有打水漂的可能,一切都要玩完。
技术的发展之路或者是商业化之路,在充分竞争的市场中,结论就是变革迭代一直存在,无论是技术、体验还是政策,变化是唯一确定的道路,回顾眼底成像技术的发展,从1851年Helmholtz发明的首款可以观察眼睛的检眼镜,再到1950年彩色眼底照相技术记录的眼底世界。九十年代相干光层析成像术(OCT)的诞生,使我们得到了二维、三维的眼底图像。到新时代AI技术将硬件设备与软件算法相结合,影像设备可以数十秒内诊断出报告辅助医生判断决策。
在这些里程碑事件中,我们可以看到眼底成像技术在科技发展浪潮之下突飞猛进越变越好,未来AI眼底影像技术也有新的发展思路与革新方向,一方面是AI眼底影像研究正在尝试多模态任务的算法开发。对于多种眼病诊断的复合系统,单任务的深度学习算法已经无法应对需求,未来多源、多维度的数据通过深度学习分析融合,朝着对一些病变和疾病的关系确认方面发展,提升诊断的特异性及准确性,尤其是对少见病、罕见病的诊断,多模态任务的算法将是大势所趋。
另一方面,AI眼底影像技术未来从诊断向治疗做闭环延伸。从眼疾临床诊疗的流程来看,诊断只是其中一环,后续精准的治疗才是诊断的核心价值所在,虽然目前AI眼底影像产品以医疗器械形式部署进医院,市场空间很大但对于整个疗程的商业价值来说价值有限。AI眼底影像技术的趋势将会拥抱整个治疗过程的商业价值,从单一辅助技术工具到部署闭环解决方案,向治疗领域纵向延伸。
对于AI眼底影像技术的分析研究,我们可以看到,在整个大健康事业的建设中,其商业价值和公益效用并驾齐驱发展,AI眼底影像技术算法模型的积累和落地应用,正在改变未来的医疗模式,管理人们的健康状况。
作者 脑极体
从技术协同到产业革命,从智能密钥到已知尽头