在AI醫(yī)療產(chǎn)業(yè)中，醫(yī)療影像一直是一個(gè)相對(duì)熱門(mén)的領(lǐng)域。通過(guò)深度學(xué)習(xí)算法對(duì)醫(yī)療影像數(shù)據(jù)的和分析建立模型，實(shí)現(xiàn)對(duì)醫(yī)療影像的智能分析?，F(xiàn)在每年的計(jì)算機(jī)視覺(jué)學(xué)術(shù)論壇中，都有關(guān)于各種疾病的影像數(shù)據(jù)分析比賽，并且在諸如腫瘤、心血管疾病等等大量領(lǐng)域中，AI的閱片準(zhǔn)確度、速度，都已經(jīng)超過(guò)了人類(lèi)。

　　但在一系列AI醫(yī)療影像項(xiàng)目中，AI眼底影像一直是一個(gè)很特別的存在。相比其他項(xiàng)目，AI眼底篩查軟件的落地速度之迅猛，超過(guò)了很多人的想象。像DeepMind聯(lián)合倫敦Moorfields眼科醫(yī)院合作推出的AI眼底篩查技術(shù)，能夠?qū)崿F(xiàn)在30秒之內(nèi)識(shí)別出數(shù)種疾病，被稱(chēng)作DeepMind首個(gè)有望商業(yè)化的AI項(xiàng)目；而百度也曾高調(diào)向基層醫(yī)院捐贈(zèng)數(shù)百臺(tái)AI眼底篩查一體機(jī)，讓技術(shù)以打包形式直接落地到應(yīng)用場(chǎng)景中；AI醫(yī)療創(chuàng)業(yè)公司體素科技的“VoxelCloud-Retina眼底全病種篩查解決方案”目前在全國(guó)超過(guò)130家MMC（國(guó)家標(biāo)準(zhǔn)化代謝性疾病管理中心）     落地。這種普及效率和速度，被成為“落地之王”也不為過(guò)。

　　今天我們要討論的問(wèn)題，就是AI眼底篩查究竟是如何從實(shí)驗(yàn)室走進(jìn)現(xiàn)實(shí)，在未來(lái)又會(huì)呈現(xiàn)出何種走向？

　　從眼底到身體，

　　我們?yōu)槭裁葱枰咝У难鄣缀Y查？

　　通過(guò)眼底影像檢查，可以對(duì)大量眼底疾病進(jìn)行輔助判斷。既能反映糖尿病視網(wǎng)膜病變、青光眼、老年黃斑等一系列眼底疾病，同時(shí)還能反映高血壓、糖尿病等慢性病的病變和累積。

　　可是對(duì)于眼底影像檢查的普及程度，卻與這一技術(shù)的價(jià)值并不匹配。

　　其中原因在于兩方面，其一是眼底疾病病灶微小、不同病灶間區(qū)分度低，目前全國(guó)范圍內(nèi)擁有閱片能力的醫(yī)生相對(duì)較少。同時(shí)在大多數(shù)醫(yī)院的體系架構(gòu)中，眼底篩查被歸類(lèi)于眼科，而眼科醫(yī)生很難對(duì)于糖網(wǎng)病、高血壓等內(nèi)科、內(nèi)分泌科等等疾病進(jìn)行追蹤式的診療，但離開(kāi)眼科后，其他科室的醫(yī)生又很難具備眼底影像閱片能力。

　　另外，根據(jù)《2017年中國(guó)衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)年鑒》獲悉，中國(guó)有4億左右慢性眼病患者，而只有3.6萬(wàn)名眼科醫(yī)生，門(mén)診量超過(guò)1.1億，住院患者超過(guò)450萬(wàn)?；加刑悄虿∫暰W(wǎng)膜病變的患者往往無(wú)法及時(shí)獲知病情，因此早篩早治是慢病管理的關(guān)鍵，但現(xiàn)今醫(yī)療資源無(wú)法滿足需求，導(dǎo)致許多病人到晚期才能發(fā)現(xiàn)治療，但往往為時(shí)已晚，為國(guó)家醫(yī)保帶來(lái)巨大的不必要負(fù)擔(dān)，嚴(yán)重影響該人群的勞動(dòng)能力。

　　在醫(yī)療資源日益緊張的情況下，如果能夠高效利用起眼底篩查的能力，既可以幫助患者及時(shí)發(fā)現(xiàn)病情，也能輔助慢性疾病管理更加高效，讓更多人享受到高效的醫(yī)療體驗(yàn)。

　　體素科技就是在這樣的矛盾中發(fā)現(xiàn)了機(jī)會(huì)。

　　“AI醫(yī)師”的養(yǎng)成計(jì)劃：

　　眼底篩查是如何智能化的？

　　體素科技的眼科產(chǎn)品總監(jiān)在采訪時(shí)提到，體素科技和很多AI醫(yī)療創(chuàng)業(yè)企業(yè)一樣，發(fā)現(xiàn)了眼底篩查這一技術(shù)的價(jià)值，同時(shí)市場(chǎng)上存在著一些公開(kāi)的眼底影像數(shù)據(jù)集，可供企業(yè)在其中進(jìn)行分析和挖掘。

　　具體來(lái)說(shuō)，AI眼底篩查的實(shí)現(xiàn)過(guò)程是通過(guò)專(zhuān)業(yè)醫(yī)學(xué)知識(shí)對(duì)數(shù)據(jù)進(jìn)行標(biāo)注，挖掘訓(xùn)練出疾病分類(lèi)網(wǎng)絡(luò)，構(gòu)成針對(duì)于不同病灶的分類(lèi)模型和疾病識(shí)別模式。但問(wèn)題在于，當(dāng)大家都面對(duì)著同樣的公開(kāi)數(shù)據(jù)集時(shí)，又該如何從技術(shù)上構(gòu)建差異化優(yōu)勢(shì)呢？

　　體素科技在一開(kāi)始對(duì)AI眼底影像項(xiàng)目進(jìn)行研發(fā)時(shí)，身邊基本沒(méi)有企業(yè)在做這個(gè)研究，到2017年開(kāi)始陸續(xù)有很多創(chuàng)業(yè)公司也開(kāi)始研發(fā)這個(gè)項(xiàng)目，但從去年年底開(kāi)始，體素科技的AI眼底篩查項(xiàng)目逐漸落地時(shí)，卻發(fā)現(xiàn)很多當(dāng)初的同行者卻已經(jīng)離開(kāi)市場(chǎng)。

　　提及這其中的原因，體素科技眼科產(chǎn)品總監(jiān)告訴了我們?nèi)舾杉?xì)節(jié)。

　　首先，體素科技自主擴(kuò)大了眼底圖像數(shù)據(jù)的獲取范圍。除了應(yīng)用公開(kāi)數(shù)據(jù)集之外，體素科技在不斷嘗試落地的過(guò)程中，還在不斷的擴(kuò)大著數(shù)據(jù)獲取范圍。尤其作為橫跨上海和洛杉磯的跨國(guó)創(chuàng)業(yè)企業(yè)，讓體素科技可以接觸到不同人種的豐富眼底數(shù)據(jù)，增強(qiáng)模型的精準(zhǔn)度和廣泛適用性。

　　而在其他企業(yè)專(zhuān)注于單病種（糖網(wǎng)?。┭邪l(fā)時(shí)，體素科技已經(jīng)開(kāi)始做全病種的研發(fā)。一般眼科醫(yī)生拿到患者的眼底照片后，經(jīng)過(guò)閱片基本能判斷病患有哪些病癥，因此AI技術(shù)要真正能輔助醫(yī)生臨床，必須具備全病種閱片能力。一直以來(lái)體素科技源源不斷的增加著關(guān)于眼底圖像的數(shù)據(jù)標(biāo)注，以病灶位置、病灶類(lèi)型等不同，歸類(lèi)為數(shù)十上百種疾病組合。這實(shí)現(xiàn)了從一個(gè)全病種分布平衡的數(shù)據(jù)上，進(jìn)行多任務(wù)模型的訓(xùn)練。目前體素科技的AI眼底篩查軟件除了可以識(shí)別糖尿病視網(wǎng)膜病變、糖尿病黃斑水腫、青光眼、白內(nèi)障、老年黃斑變性等病灶特征，還可識(shí)別包括微血管瘤，視網(wǎng)膜內(nèi)出血，硬性滲出， 棉絮斑，視網(wǎng)膜外出血，新生血管，激光斑，玻璃膜疣，玻璃體混濁等十余種病灶病變。體素科技的全病種體系極大的擴(kuò)展了AI眼底篩查的應(yīng)用范圍，畢竟很多患者在去醫(yī)院檢查時(shí)，可能并不知道自己患有的是什么疾病，如果AI眼底篩查技術(shù)能夠盡可能的包攬多病種篩查，無(wú)疑也提升了就診效率。

　　同時(shí)在落地過(guò)程中體素科技發(fā)現(xiàn)，由于眼底照片的拍攝屬于人為操作，其中會(huì)存有很多不確定性，例如光線的強(qiáng)與弱，不同眼底照相設(shè)備的圖像質(zhì)量等等，都有可能造成AI判斷不準(zhǔn)甚至徹底失靈的可能?？偟膩?lái)說(shuō)，還是算法模型的魯棒性差，對(duì)于應(yīng)用環(huán)境的要求較高。發(fā)現(xiàn)這一問(wèn)題后，體素科技一邊訓(xùn)練質(zhì)量控制模型來(lái)對(duì)模型進(jìn)行泛化，一邊加強(qiáng)了不同設(shè)備拍攝數(shù)據(jù)的收集，進(jìn)而不斷的提升模型在落地時(shí)的應(yīng)對(duì)能力。

　　其中體素科技眼科產(chǎn)品總監(jiān)還提到了很有趣的一點(diǎn)：很多創(chuàng)業(yè)企業(yè)在做AI眼底篩查項(xiàng)目時(shí)，往往專(zhuān)注于提升算法模型在單一數(shù)據(jù)集中的準(zhǔn)確率。而體素科技則更關(guān)心算法在現(xiàn)實(shí)場(chǎng)景中的表現(xiàn)，不斷發(fā)現(xiàn)問(wèn)題和解決問(wèn)題。

　　如此一來(lái)產(chǎn)生的結(jié)果，就是專(zhuān)注單一數(shù)據(jù)集表現(xiàn)的AI算法會(huì)有些“高分低能”，在落地時(shí)表現(xiàn)差，自然會(huì)被市場(chǎng)淘汰。而體素科技在第三方測(cè)試中敏感度高達(dá)97%，并在三個(gè)月內(nèi)連續(xù)獲得紅杉資本領(lǐng)投的數(shù)千萬(wàn)美元投資與騰訊的 1 億元投資，并在2018年9月又獲得了弘泰資本5000萬(wàn)美元投資。

　　打破象限：

　　AI眼底篩查帶來(lái)的健康公平

　　從資本的密集關(guān)注，也能側(cè)面看出AI眼底篩查所體現(xiàn)出的落地價(jià)值。

　　從體素科技打造“AI醫(yī)師”的故事中我們可以發(fā)現(xiàn)，AI眼底篩查的一個(gè)重要特征，就是為很多疾病打開(kāi)了智能化診斷的大門(mén)。例如高血壓、糖尿病等慢性病，又或者是青光眼這一類(lèi)在初期很難被察覺(jué)到的眼科疾病，在此前都很難以通過(guò)類(lèi)型的醫(yī)療影像進(jìn)行診療和跟蹤管理，而無(wú)法通過(guò)醫(yī)療影像進(jìn)行管理，也就意味著無(wú)法通過(guò)計(jì)算機(jī)視覺(jué)能力提升效率。

　　但隨著AI眼底篩查對(duì)眼底篩查影響數(shù)據(jù)的不斷挖掘利用，與更多病種關(guān)聯(lián)起來(lái)，就意味著打破眼底篩查只應(yīng)用于眼科的原有象限，讓這種疾病篩查方法的能力范圍不斷擴(kuò)張，賦能高血壓、糖尿病等基數(shù)巨大的慢性疾病的診療。

　　AI眼底篩查除了自身能力強(qiáng)大之外，在落地上也更加快捷。像眼底篩查一體機(jī)這種形式，能夠讓操作者快速上手，不僅能夠交由眼科以外其他科室應(yīng)用，一些非三甲的基層醫(yī)院、社區(qū)醫(yī)院，即使沒(méi)有高度專(zhuān)業(yè)的相關(guān)醫(yī)療人才，也可以通過(guò)AI眼底篩查技術(shù)輔助診療。作為首家接入MMC的眼底篩查AI技術(shù)提供方，體素科技上線不到1年，就為130家MMC中心篩查糖尿病患者超過(guò)28000人次，月篩查量超過(guò)4000人次，陽(yáng)性比例33%，幫助MMC更好地管理了糖尿病患者的眼底并發(fā)癥，大大提高了糖尿病視網(wǎng)膜病變（簡(jiǎn)稱(chēng)糖網(wǎng)）的早期篩查率，從而也將很大程度提升糖網(wǎng)病患者的治療效果，減少糖網(wǎng)對(duì)于視力的損害。

　　如此一來(lái)AI眼底篩查不僅打破了醫(yī)療資源有限帶來(lái)的效率限制，更打破了醫(yī)療資源分布帶來(lái)的就醫(yī)困難，降低了病患的就醫(yī)成本。很多身處三四線城市、鄉(xiāng)鎮(zhèn)的患者，不需要來(lái)到北上廣的大醫(yī)院，直接可以在一體機(jī)上享受便利的眼底疾病篩查。因?yàn)檎麄€(gè)過(guò)程快速便捷，患者也可以提高檢查頻率，對(duì)于自己的慢性病進(jìn)行管理。因此而帶來(lái)的健康公平，也是很多其他AI醫(yī)療影像技術(shù)所企及的。中國(guó)工程院院士、上海交通大學(xué)醫(yī)學(xué)院分會(huì)會(huì)長(zhǎng)寧光也非?？隙w素科技的AI眼底篩查技術(shù)。體素科技帶來(lái)的不僅僅是基層醫(yī)療診斷分析能力的擴(kuò)容，同時(shí)也極大的提升了人民生活質(zhì)量和老年勞動(dòng)能力，其中的潛在社會(huì)價(jià)值，同樣也十分可貴。

　　這也是為什么，體素科技能夠在以經(jīng)濟(jì)寒潮著稱(chēng)的2018年再次獲得數(shù)千萬(wàn)美金的融資?！敖】抵袊?guó)”戰(zhàn)略提出到2030年，要打造出16萬(wàn)億元規(guī)模的健康管理產(chǎn)業(yè)。在實(shí)現(xiàn)這一目標(biāo)的過(guò)程中，自然少不了AI眼底篩查這樣降低慢性病管理成本的關(guān)鍵技術(shù)。

　　將對(duì)于眼底篩查技術(shù)的研究，投射到整個(gè)健康事業(yè)的建設(shè)中，除去經(jīng)濟(jì)效應(yīng)，背后的公益效應(yīng)也是不能忽視的。所謂一眼萬(wàn)年，今天AI對(duì)于眼底篩查數(shù)據(jù)的積累挖掘和技術(shù)落地推動(dòng)，正在改變著未來(lái)人們管理自身健康狀況的方式。