陳有信，徐至研

1中國醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)院眼科，北京 100730 2中國醫(yī)學(xué)科學(xué)院眼底病重點(diǎn)實(shí)驗(yàn)室，北京 100730

近年來，人工智能(artificial intelligence，AI)技術(shù)正逐漸滲透到多個醫(yī)學(xué)?？祁I(lǐng)域，推動臨床診療發(fā)生了前所未有的變革，該技術(shù)的優(yōu)勢在于建模和優(yōu)化，以人工神經(jīng)網(wǎng)絡(luò)、進(jìn)化算法和模糊系統(tǒng)最為常用[1]。目前，AI技術(shù)在眼科領(lǐng)域的應(yīng)用得到了迅猛發(fā)展，其診斷迅速、精確度高且客觀可信，可優(yōu)化眼科患者的診療模式，極大提升臨床診斷效率。AI眼科研究主要集中于建立眼科檢查圖像處理數(shù)據(jù)庫和提取使用醫(yī)療記錄中的數(shù)據(jù)方面[2]，由于從標(biāo)準(zhǔn)化圖像中可獲取諸多疾病相關(guān)特征信息，因此前者的應(yīng)用更為廣泛，其中最常用的是基于深度學(xué)習(xí)(deep learning，DL)的卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network，CNN)算法，訓(xùn)練時特征提取和模式分類可同時進(jìn)行和并行學(xué)習(xí)。目前，基于DL的相關(guān)眼科研究涉及眼表、青光眼、白內(nèi)障等多個亞?？芠3]，本文謹(jǐn)對AI技術(shù)輔助眼底疾病診療及技術(shù)轉(zhuǎn)化過程中的制約因素進(jìn)行分析，以期提高AI技術(shù)在眼底疾病中的輔助診療水平。

1 AI技術(shù)輔助眼底疾病診療

AI技術(shù)的迅速發(fā)展，特別是機(jī)器學(xué)習(xí)中的DL技術(shù)，為眼科臨床診療開啟了新模式。眼科輔助檢查模式多樣，具有較強(qiáng)的專業(yè)性，AI技術(shù)在眼科的應(yīng)用，極大提高了眼科臨床診療效率。目前，AI技術(shù)在眼底疾病的診療應(yīng)用主要包括篩查、分級與分期、預(yù)測與監(jiān)測等方面。

1.1 眼底疾病篩查

由于大部分眼底疾病早期癥狀相對輕微，且社區(qū)和體檢機(jī)構(gòu)的眼科專科醫(yī)生相對缺乏，普通全身體檢經(jīng)常忽略眼底的檢查，極易導(dǎo)致眼底疾病漏診。當(dāng)患者因嚴(yán)重視力下降到綜合醫(yī)院就診時，疾病往往已進(jìn)展至中后期，一方面增加了治療難度，另一方面大大增加了醫(yī)療成本。例如糖尿病視網(wǎng)膜病變(diabetic retinopathy，DR)，如能在疾病早期及時診斷，予以干預(yù)和局部治療，將避免進(jìn)展成增殖性糖尿病視網(wǎng)膜病變(proliferative diabetic retinopathy，PDR)，以及新生血管青光眼甚至失明等嚴(yán)重并發(fā)癥。

明帥等[4]通過比較社區(qū)醫(yī)療機(jī)構(gòu)和醫(yī)院利用彩色眼底圖像的AI閱片系統(tǒng)診斷DR的差異，發(fā)現(xiàn)社區(qū)的DR陰性率和無需轉(zhuǎn)診比例均高于醫(yī)院，而醫(yī)院的AI診斷以需轉(zhuǎn)診DR為主，且已治療DR的比例更高，這提示不同診療場景因疾病構(gòu)成類型不同，對AI輔助診斷設(shè)備的要求也各異。在社區(qū)醫(yī)療機(jī)構(gòu)中，若AI診斷早期眼底疾病出現(xiàn)假陰性，包括年齡相關(guān)性黃斑變性(age-related macular degeneration，AMD)、輕度非增殖性糖尿病視網(wǎng)膜病變(mild non-proliferative diabetic retinopathy，NPDR)等，產(chǎn)生的醫(yī)療支出和醫(yī)療風(fēng)險相對較低；AI系統(tǒng)漏診中重度NPDR或中度AMD，則會延誤患者的最佳治療時機(jī)，導(dǎo)致醫(yī)療成本增加。因此，就社區(qū)醫(yī)療機(jī)構(gòu)而言，較高的靈敏度是眼底疾病篩查AI系統(tǒng)重要的評價指標(biāo)，能夠減少中重度眼底疾病的漏診，但該系統(tǒng)目前仍缺乏明確的診療建議輸出。由于社區(qū)醫(yī)療機(jī)構(gòu)的醫(yī)務(wù)人員對眼科?？萍膊〉牧私廨^少，可能無法針對AI系統(tǒng)輸出的眼底圖像病灶特征或診斷標(biāo)簽提供合適的臨床診療管理建議，如三級醫(yī)院就診、急診處理、定期隨訪等。因此，能夠同時輸出眼底疾病篩查診斷與相關(guān)醫(yī)療建議的AI系統(tǒng)在社區(qū)醫(yī)療機(jī)構(gòu)篩查場景中可能更為實(shí)用。

1.2 眼底疾病分級與分期

社區(qū)醫(yī)療機(jī)構(gòu)和醫(yī)院體檢中心對AI系統(tǒng)的訴求主要是自動輸出診斷結(jié)果及治療建議，而三級醫(yī)院的眼科?？浦行闹饕褂肁I系統(tǒng)進(jìn)行輔助診斷，該系統(tǒng)的主要作用是協(xié)助?？漆t(yī)生識別和統(tǒng)計特異的眼底病灶，對常見眼底疾病提供分級參考，最終由醫(yī)生結(jié)合全部臨床評估作出診斷。同時，該系統(tǒng)還需識別不同模式的眼底圖像，包括彩色眼底照相(color fundus picture，CFP)、眼底自發(fā)熒光照相(fundus autofluorescence，F(xiàn)AF)、光學(xué)相干斷層成像(optical coher-ence tomography，OCT)、光學(xué)相干斷層掃描血管成像(optical coherence tomography angiography，OCTA)、熒光素鈉血管造影(fluorescein angiography，F(xiàn)A)和吲哚菁綠血管造影(indocyanine green angiography，ICGA)。眼底疾病的分級與分期常需結(jié)合不同影像學(xué)結(jié)果，如息肉狀脈絡(luò)膜視網(wǎng)膜病變(polypoidal choroidal vasculopathy，PCV)、DR和AMD的分級。例如筆者團(tuán)隊研究設(shè)計的CNN系統(tǒng)可同時識別CFP和OCT，在AMD的數(shù)據(jù)集中，進(jìn)行干性AMD、新生血管性AMD，PCV和正常人的四分類診斷，準(zhǔn)確率達(dá)87.4%，不亞于眼科?？漆t(yī)生[5]。Peng等[6]訓(xùn)練的DeepSeeNet系統(tǒng)對年齡相關(guān)眼病研究(age related eye disease studies，AREDS)的嚴(yán)重度分級準(zhǔn)確率及晚期AMD的檢出率均不亞于?？漆t(yī)生；同時該系統(tǒng)對網(wǎng)狀假玻璃膜疣和視網(wǎng)膜下玻璃膜疣樣沉積病灶的識別可輔助提示晚期AMD的預(yù)后。因此，AI系統(tǒng)輔助眼科醫(yī)生對病灶進(jìn)行識別和疾病分期，能夠顯著提高臨床診療效率。

1.3 眼底疾病預(yù)測與監(jiān)測

許多常見眼底疾病(包括高血壓性視網(wǎng)膜病變、DR、AMD等)呈慢性病程，需對患者的眼底進(jìn)行定期隨訪與監(jiān)測，AI系統(tǒng)主要應(yīng)用于輔助眼底疾病患病風(fēng)險預(yù)測、療效預(yù)測和進(jìn)展程度預(yù)測等方面。Burlina等[7]使用超過65 000張眼底彩照訓(xùn)練ResNet50 CNN模型，該模型對AMD的 5年風(fēng)險預(yù)測平均誤差為3.5%～5.5%，準(zhǔn)確率優(yōu)于眼科醫(yī)生。Yoo 等[8]設(shè)計DeepPDT-Net模型，并通過CFP預(yù)測中心性漿液性脈絡(luò)膜視網(wǎng)膜病變(central serous chorioretinopathy，CSC)患者接受光動力療法(photody-namic therapy，PDT)的治療效果，準(zhǔn)確率達(dá)88%，可輔助眼底?？漆t(yī)生解決預(yù)測療效這一棘手問題。此外，AI系統(tǒng)還可通過OCT圖像實(shí)現(xiàn)視網(wǎng)膜靜脈阻塞抗血管內(nèi)皮生長因子(vascular endothelial growth factor，VEGF)治療的療效預(yù)測[9]和對干性AMD地圖樣萎縮患者的視力預(yù)測[10]等。

2 AI眼底研究技術(shù)轉(zhuǎn)化

2019—2021年，醫(yī)療AI中的視網(wǎng)膜影像市場以171%的復(fù)合增長率一騎絕塵，較心血管影像(104.4%)和肺部影像(114.4%)市場增長更快。但目前國內(nèi)批準(zhǔn)上市的AI產(chǎn)品中視網(wǎng)膜篩查設(shè)備仍較少，如鷹瞳公司研發(fā)的Airdoc-AIFUNDUS，可適用于醫(yī)療機(jī)構(gòu)和大健康場景的篩查設(shè)備，能夠篩查DR、高血壓視網(wǎng)膜病變、AMD、視網(wǎng)膜靜脈阻塞、視網(wǎng)膜脫離和病理性近視等；硅基仿生、Vistel、Shang Gong和VoxelCloud公司也有經(jīng)國家藥品監(jiān)督管理局注冊的DR篩查視網(wǎng)膜影像識別AI產(chǎn)品。由于AI研究成果的產(chǎn)品轉(zhuǎn)化受訓(xùn)練數(shù)據(jù)、研發(fā)能力、臨床驗(yàn)證和市場適應(yīng)性等多種因素影響，目前僅有少數(shù)AI研究成果可完全轉(zhuǎn)化成產(chǎn)品進(jìn)入市場，針對多病種的眼底篩查、疾病分期和治療預(yù)后等的AI產(chǎn)品仍相對稀缺。

2.1 AI技術(shù)轉(zhuǎn)化的影響因素

制約AI技術(shù)轉(zhuǎn)化為產(chǎn)品的因素主要包括：(1)醫(yī)學(xué)方面，AI產(chǎn)品需要大量的真實(shí)世界視網(wǎng)膜影像數(shù)據(jù)，并由醫(yī)學(xué)專家進(jìn)行標(biāo)注和深度學(xué)習(xí)算法訓(xùn)練，從而達(dá)到不亞于臨床專家的高準(zhǔn)確率；(2)工程學(xué)方面，深度學(xué)習(xí)算法開發(fā)和企業(yè)的研發(fā)能力是AI產(chǎn)品的核心，需多方專業(yè)和具有交叉學(xué)科經(jīng)驗(yàn)的人才互相協(xié)調(diào)合作才能高效地實(shí)現(xiàn)產(chǎn)品成型和研發(fā)；(3)監(jiān)管方面，AI產(chǎn)品在申請注冊前還需充分的臨床前研究和臨床試驗(yàn)證明其有效性和安全性；(4)市場推廣方面，AI產(chǎn)品需提高各類醫(yī)療場景中的適應(yīng)性和充分的市場教育和推廣，使工作人員和患者產(chǎn)生使用AI產(chǎn)品的意愿，這直接影響AI產(chǎn)品的利用率和市場潛力。

2.2 AI技術(shù)轉(zhuǎn)化的其他途徑

AI技術(shù)除能夠輔助醫(yī)生進(jìn)行臨床診療外，還可結(jié)合大語言模型，通過可穿戴設(shè)備及手機(jī)軟件等途徑，并結(jié)合患者個性化病程，自動提醒隨訪診療及監(jiān)測患者疾病進(jìn)展，實(shí)現(xiàn)對患者的隨訪管理。AI系統(tǒng)通常被喻為“黑箱”，其內(nèi)部工作原理對用戶不可見，人們可以向其提供輸入并獲得輸出，但是不能檢查產(chǎn)生輸出的系統(tǒng)代碼或邏輯，越來越多的研究人員聚焦于提升AI系統(tǒng)的可解釋性，以發(fā)現(xiàn)影響疾病診斷的有意義的病理結(jié)構(gòu)，從而幫助理解疾病的發(fā)展規(guī)律[11]。

3 小結(jié)

AI醫(yī)學(xué)是全球大力推動的醫(yī)工結(jié)合交叉學(xué)科，針對AI眼底疾病診療的發(fā)展方向和技術(shù)成果轉(zhuǎn)化，筆者提出了AI適用于不同醫(yī)學(xué)和大健康應(yīng)用場景的眼底篩查、眼底疾病分級和預(yù)測三種診療模式，分析了AI研究成果實(shí)現(xiàn)技術(shù)轉(zhuǎn)化的重要因素，包括大量真實(shí)世界的醫(yī)學(xué)專家標(biāo)注金標(biāo)準(zhǔn)圖像數(shù)據(jù)庫、工程學(xué)交叉學(xué)科人才進(jìn)行產(chǎn)品研發(fā)、嚴(yán)格的臨床試驗(yàn)和充分的市場推廣。未來期望AI眼底影像系統(tǒng)更廣泛地應(yīng)用于臨床，以幫助更多患者實(shí)現(xiàn)早期篩查診斷，提高診療效率，降低醫(yī)療成本。