工布江达信息网
国内新闻
当前位置: 首页 >> 国内新闻 >> 正文

OM | FDA批准用AI筛查眼疾,你会信任诊断结果吗?


文章作者:www.orrapin.com 发布时间:2019-09-11 点击:802



“操作OR幄幄”重印

作者:自然科学研究

编者注:

美国人工智能研究公司IDX Technologies最近通过临床试验证明,该公司的产品IDx-DR对于轻度至重度糖尿病视网膜病变约为87%,并且该组患者的正确识别率接近90%,并成为FDA批准的第一个医疗器械,无需临床医生的干预即可做出筛查决定。该装置还可用于检测眼病,如青光眼和年龄相关性黄斑变性,可大大减轻眼科医生的负担

机器学习正被用于自动诊断眼病。

当糖尿病患者看到家庭医生检查眼睛中是否存在糖尿病性视网膜病变时,通常会将其转诊给眼科医生。糖尿病可损害眼底(即视网膜)的感光层,这是导致失明的主要原因。在美国,每年有24,000名成年人失明。事实上,只要在症状出现之前及时诊断,疾病通常是可控的并且可以避免最坏的情况。爱荷华大学的视网膜专家和计算机科学家MichaelAbràmoff说:“我们非常清楚如何治疗这种疾病,但一开始很难找到它。”

资料来源:Taj Francis

因此,定期筛查对于控制糖尿病性视网膜病变尤其重要。问题是评估全球约3000万美国人和超过4亿糖尿病患者似乎是一个不可能的挑战。每年只有约一半的糖尿病患者会遵循推荐的眼科检查。

部分原因是眼科医生短缺。这些专家通常需要大量培训才能使用特定设备。由于世界许多地方的眼科医生人数不足,当地人不得不远行检查他们的眼睛。这个问题在低收入和中等收入国家尤为严重。然而,即使在高收入国家,由于高危老龄化群体的快速增长,它将在不久的将来面临眼科医生短缺的问题。虽然远程医疗的出现可以让眼科医生远程评估患者的视网膜图像并提高医疗便利性,但到目前为止还没有得到普遍接受。

Abràmoff一直想知道计算机程序是否可用于筛查眼睛问题。他开发了一种人工智能(AI)系统 IDx-DR,能够在几分钟内识别患有轻度或更多糖尿病的视网膜病变患者。这种情况仅占糖尿病患者的10%,并且通过该系统,眼科医生需要检查的患者数量可以大大减少。

IDx-DR美国食品和药物管理局(FDA)批准的第一种医疗器械,允许在没有临床医生参与的情况下进行独立筛查决策。但它并不是唯一可以颠覆眼科领域的人工智能工具。计算能力的进步和大规模视网膜图像数据集的出现使得人工智能系统不仅可以检测糖尿病性视网膜病变,还可以检测其他常见的眼部疾病,如年龄相关性黄斑变性(AMD)和青光眼;相比之下,糖尿病视网膜病变的诊断相当容易。这些人工智能系统不仅提高了大规模筛查的速度和准确性,而且还允许一些医疗中心开放眼科检查,以在医疗资源不足的地区提供此类服务。

根据新加坡国家眼科中心的眼科医生Tien Yin Wong的说法,在诊所使用人工智能将不可避免地引起对漏诊和误诊的担忧。他还表示,随之而来的法律和道德问题可能最终决定该技术是否具有普遍性。

但业界仍然非常乐观,他们认为人工智能辅助诊断将迎来春天。 Pearse Keane是伦敦Moorfields眼科医院的眼科医生,也是Google母公司Alphabet所拥有的人工智能技术公司DeepMind Technologies的顾问。目前,DeepMind Technologies正在开发一种可以诊断眼疾的系统。 “我依稀记得我第一次看到算法工作的场景,”他说。 “当时我很震惊,我以为我目睹了一种可以颠覆整个眼科的技术。”

30年的探索

大约30年前,阿布拉莫夫开始构思眼病检测的自动化。眼科医生通常使用光学相干断层扫描(OCT)技术通过眼底彩色图像或视网膜断层扫描进行疾病诊断。 Abràmoff不确定计算机程序是否可以取代受过专业训练的专家,至少最初是这样。

机器学习使用数据和自定义算法来训练机器完成任务。自20世纪50年代以来,它被认为是有希望进行图像分析的。但是当时硬件还不够强大,无法让机器学会分析现实世界中的医学图像,即使Abràmoff在40年后开始研究之后也是如此。

然而,Abràmoff仍面临困难,使用数学公式来描述各种视网膜损伤,然后编写可以检测这些损伤的算法。在21世纪初期,Abràmoff就此问题发表了大量论文,并在接下来的几年中获得了相关专利。他希望制药公司或生物技术公司能够尽快获得这些专利技术的许可。但他的想法还没有实现。他说:“什么也没发生。”

2005年以后,随着视频游戏产业的发展,人工智能系统在医学成像中的应用也随之兴起。为了改善图像的真实感,已经开发出越来越强大的图形卡,它们非常适合人工智能系统所需的并行处理。使用这些显卡,可以更容易地运行称为人工神经网络的计算密集型系统,这些系统的灵感来自神经元连接到大脑的方式。这种类型的网络由许多互连节点层组成,这些节点可以分别处理图像的不同属性。给予每个属性一定的权重,并且系统将这些权重组合以产生最终结果,例如确定眼睛是否患有糖尿病性视网膜病。

通过将人工神经网络与强大的处理能力和海量图像数据集相结合,研究人员可以开发深度学习网络,执行传统编程软件无法完成的高级任务,包括击败一些世界顶级的Go玩家。华盛顿大学的眼科医生Aaron Lee说:“这是一次跨越式的飞跃,曾经被认为不切实际的想法变得可行。”

临床试验的第一次试验是成功的

Abràmoff利用技术发展并于2010年在美国爱荷华州建立了IDX Technologies,一家人工智能研究公司。经过与FDA的长时间谈判,Abràmoff进行了一项临床试验,证明IDx-DR可用于实际世界。该试验于2017年1月开始招募参与者,最终从美国10个地点招募了900名糖尿病患者。

视网膜专家MichaelAbràmoff正在开发一项人工智能计划,以帮助在稀缺的医疗资源领域提供眼科检查服务。

资料来源:Brice Critser/Dept Ophthalmology/UIHC

结果表明,阿布莫夫在过去几十年的努力并没有白费。轻度以上糖尿病视网膜病变的IDX-DR正确率约为87%,非糖尿病视网膜病变的IDX-DR正确率约为90%。该精度符合FDA的要求。2018年4月,IDX DR成为美国第一个批准用于检测糖尿病视网膜病变的自动化诊断系统。”这是一个伟大的一天,”阿布莫夫说。

该系统首先用照相机拍摄眼底照片,然后使用人工智能算法分析照片,以检测糖尿病视网膜病变的早期迹象,如出血。另一种算法帮助操作者拍摄视网膜的高清晰度图像,也就是说,它只需要四个小时的训练,任何受过初中教育的人都可以操作IDX-DR。

2018年6月,爱荷华大学医疗保健中心成为第一家临床使用IDX医生的机构。竞争激烈的人工智能系统可能离我们不远。”就IDX的表现而言,它为许多公司创造了一个深入学习的先例。到目前为止,大多数类似的系统都集中在糖尿病视网膜病变的检测上,这相对容易从图片中识别。”从计算机视觉的角度来看,这实际上是一项非常简单的任务。

人为智能

人工智能系统的最终目标当然不是只检测一种眼部疾病。”当医生检查病人的眼睛时,他通常会发现许多常见的疾病。“你不能说,‘我只是想知道你是否患有糖尿病性视网膜病变’,”王说。这就是为什么Wong和Abrmoff正在努力开发能够同时检测多种眼部疾病的人工智能系统。

一些研究人员正在指导他们开发的程序来筛选来自健康或不健康眼睛的大量图像,而不是告诉人工智能算法来找出哪种疾病特征(如Abràmoff对IDx-DR所做的那样)。这些人工智能系统必须学会识别自身的差异。 2017年,Wong和他的团队使用从几项研究中收集的视网膜图像培训了一个人工智能系统,其中包括来自新加坡国家糖尿病视网膜病变筛查项目的数据。从那时起,他们用11个多种族糖尿病队列测试了该系统的有效性,并证实他们的人工智能程序可以通过视网膜图像的差异检测糖尿病视网膜病变以及青光眼和年龄相关性黄斑变性。在大约90%的病例中,该系统的筛查能力与人类糖尿病视网膜病变专家相当。

DeepMind和摩尔眼科医院的研究人员更进一步。他们开发的人工智能算法可以自学并为50种常见眼科疾病提供转诊建议。他们的系统可以在OCT视网膜扫描中检测出眼病的迹象,并确定它是否如此严重以至于需要转诊。 DeepMind的人工智能系统可以大大减轻眼科医生的负担。基恩说:“人们无法想象我们实际想看多少病人。”仅去年一年,英国国家卫生服务局预订的眼科诊所就达825万。

训练人工智能算法通常需要大量数据,并且系统只能执行有限数量的任务。例如,根据指令具有3000万次Go的算法绝对不适合下棋。但是有一种称为迁移学习的算法,它不需要如此多的任务特定数据来训练人工智能程序,这样他们就可以学习更快地执行类似的任务。

加利福尼亚大学圣地亚哥分校的张康团队使用开源数据库ImageNet的数千万日常物品预先训练人工智能算法,然后使用该算法识别大约100,000个OCT视网膜图像。虽然预训练中只有少数视网膜特异性图像,但预训练本身允许人工智能程序准确诊断导致失明的两种常见疾病,糖尿病性黄斑水肿和脉络膜新生血管(晚期AMD的常见表现),以及进一步确定哪些患者需要立即转诊给专科医生。如果用于训练的OCT视网膜图像的数量减少到大约4,000,则算法的错误率将加倍,但其性能仍然与人类专家的性能相当。

张康,基恩和黄计划在未来两年内进行临床试验,以验证其人工智能系统的诊断效率与眼科医生的诊断效率相当;同时,临床试验是获得监管部门批准的必要条件。但要实现广泛的商业用途,仍有许多工作要做。 Wong说:“科学家需要将其设计为与iPhone一样好。”

不只是技术

在某些方面,这些人工智能系统的能力可能超越人类。德国雷根斯堡大学的遗传学家Bernhard Weber及其同事开发了一种深度学习算法,可以对AMD的进展进行分类。众所周知,AMD是50岁及以上人群失明的主要原因。晚期AMD更易于诊断,但Weber发现他们的人工智能程序也能识别早期的AMD。他说:“这是一项艰巨的任务。”即使眼科医生也不容易。

虽然更高的准确性可以帮助这种人工智能系统获得监管部门的批准,但监管机构的绿灯可能还不足以赢得临床医生和患者的信任。李想知道的是,“整个社会是否已为这些新事物做好准备了?”

不利于赢得用户信任的一个障碍是许多人工智能系统具有封闭的问题,即黑盒操作。我们有时不知道这些程序是如何做出判断的。 Lee说:“对于黑盒算法,你无法知道为什么算法会给出这种诊断。” (参见“打开黑匣子”)

打开黑匣子

复杂的人工神经网络可以使人工智能系统非常强大,但它们也使得无法理解这些系统如何做出决策。人们称他们为黑箱问题。

这种不透明性在临床上特别麻烦。因为人工智能诊断背后的原理对于这些系统通过审查的能力至关重要。爱荷华大学的视网膜专家和计算机科学家迈克尔阿布拉莫夫说:“美国食品和药物管理局认为可解释性是一个大问题。如果你想自动化,你必须首先解释你的算法是如何工作的。”

研究人员正在探索如何看到黑匣子的内部。 IDX Technologies是美国的一家人工智能研究公司,英国的DeepMind Technologies公司采用双管齐下的方法,试图分析其系统在诊断眼疾方面的决策过程。他们使用算法分析视网膜图像并检测疾病特征;另一种算法使用这些特征来确定患者是否需要看眼科医生,如果是,那么病情是多么紧急。 DeepMind的计算机科学家Olaf Ronneberger说,通过分离这两个步骤,临床医生将知道深度学习网络如何解释图像并提出推荐建议。

还有一种破解黑匣子的方法,即借用另一个黑匣子。加州大学圣地亚哥分校的眼科医生张康和德国雷根斯堡大学的遗传学家Bernhard Weber使用黑色面罩覆盖视网膜图像的一部分,并观察这将如何影响诊断性能。人工智能。通过这种方式,Weber可以确定人工智能算法在诊断时对视网膜的看法。他说:“你会发现他们所看到的地方与人类医生看到的完全一样。”

Wong将人工智能诊断与无人驾驶汽车进行了比较无论哪种自动化,他都不确定人类是否准备好迎接。因此,他将他的系统设计成双模式,可以完全自动化或半自动化。在半自动情况下,系统将与人类一起完成任务。这就像在无人驾驶汽车上放置方向盘和制动器,让人们在紧急情况下进行干预。 Wong说:“这样做可以增加人们对它的信任,并可以大大减轻系统的负担。”

这种双模式可适用于眼科医生足够的区域。但这项技术的最大潜力恰恰在于它可以改善低收入国家或偏远地区的眼保健条件。正是出于这个原因,Abràmoff决定在新墨西哥州的偏远地区测试IDx-DR。从这里看眼科医生,开车时间是几个小时;谷歌研究人员在印度的眼科医院尝试深度学习算法。从视网膜图像中识别糖尿病视网膜病变的迹象。这些医院总共只有15,000名眼科医生,但他们必须服务约7000万糖尿病患者。

现有的人工智能系统需要非常高清晰度的眼图来进行诊断,但许多国家缺乏捕获高清图像的专用设备和技术。但是一些带有专用摄像机摄像头的智能手机可能会与基于云的人工智能软件相结合,以筛查糖尿病视网膜病变,使眼科检查更便宜,更方便。

“我认为这些人类技术的最大收益将发生在资源最有限的地方,那里没有专家,”李说。 “我认为人工智能在这些领域的医疗推广中具有重要且不可或缺的作用。”

原文的标题是人工智能如何帮助预防失明

在Outlook上发布于2019年4月10日《自然》

Nature | doi: 10.1038/d-019--y

——

下一条: 早安心语:心态决定看世界的眼光,行动决定生存的状态