本文译自《Nature》 原文题目：How artificial intelligence is helping to prevent blindness
当糖尿病患者找全科大夫看病时，他们经常被转诊给眼科大夫。眼科大夫能够搜检患者的眼睛是否有糖尿病视网膜病变的迹象。这种病会损害了视网膜，是导致失明的首要原因，每年大约有 24000 人得上这个病。
然则，人们都进展能够在早期掌握疾病来避免最坏的究竟。爱荷华州爱荷华大学视网膜专家兼较量机科学家 Michael Abr à moff 说：" 我们非常认识若何治疗它，但我们并没有及早发现它。"
是以，按期筛核对于治疗糖尿病视网膜病变至关主要。但评估美国约 3000 万糖尿病患者，以及全球 4 亿多糖尿病患者，似乎是一个无法战胜的挑战。每年只有大约一半的糖尿病患者会按照建议搜检本身的眼睛。
个中一个主要原因就是眼科大夫的欠缺。这些专科大夫需要周全的..和特别设备，眼科大夫欠缺让患者不得不去很远的处所进行眼科搜检。这个问题在低收入和中等收入国度尤为严重，印度只有 15000 名眼科大夫为约 7000 万糖尿病患者办事。因为老年人、高风险人群的增进速度跨越了眼科大夫人数，更富足的国度估量也会显现欠缺。
有人提出，行使长途医疗的体式，让眼科大夫长途评估视网膜的照片，这种体式或者有助于改善患者的就诊体验，但尚未获得普遍接管。
" 我看到眼科范畴的厘革 "
Abr à moff 历久以来一向在索求是否能够使用较量机法式来筛查人们的眼病。几十年来，他斥地了 IDx-DR，这是一种 AI 系统，能够在几分钟内敷陈一小我是否患有糖尿病视网膜病变。
IDx-DR 是美国 FDA 核准的首个无需临床大夫即可给出筛查决意的设备。但它并不是独一可以改变眼科范畴的 AI 对象。
算力的提高和大规模的视网膜图像数据集促进了 AI 系统的成长，该系统不光用于检测相对轻易发现的糖尿病视网膜病变，还用于检测其他常见的眼病，例如老年性黄斑变性（AMD）和青光眼。这些人工智能系统能够提嵬峨规模筛查的速度和正确性，以此改善眼科办事欠缺区域的近况。
尽管 AI 系统的前景光亮，也有人对系统是否可以普及透露担忧。新加坡国立眼科中心的眼科大夫 Tien Yin Wong 说，在诊所使用人工智能将弗成避免地激发人们对漏诊和误诊的担忧。他说，司法和道德问题最终或者决意手艺的普及水平。
然而，该范畴的乐观派认为 AI 辅助诊断已经预备好了。Pearse Keane 是伦敦 Moorfields 眼科病院的眼科大夫，也是 DeepMind Technologies 的垂问，这家公司由 Google 的母公司 Alphabet 所有。这家公司正在斥地一种能够诊断眼疾的系统。" 我仍然记得我第一次看到这个算法的时候，" 他说。" 我惊呆了，我感觉本身看到了整个眼科范畴的厘革。"
三十年的愿景
Abr à moff 在 30 年前起头研究眼部疾病的主动检测。但 Abr à moff 不确定较量机法式是否能够代表练习有素的专家，至少在起头时是如许。
机械进修使用数据和定制算法来练习机械执行义务，从 20 世纪 50 年月以来，它已经显露出在图像剖析上的潜力。然则，即使是 Abr à moff 在 40 年后起头他的研究时，硬件前提也不足以使机械进修用于剖析真实世界的医学图像。
尽管如斯，Abr à moff 精心设计了数学方程来描述视网膜中的各类病变，然后编写了算法来检测它们。到了 21 世纪初，他揭橥了大量关于这一主题的论文，跟着时间的推移，他获得了相关专利，进展能获得制药或生物手艺公司的许可。但这个设法没有成功。" 什么都没发生。" 他说。
所幸的是，因为视频游戏行业的成长，人工智能系统在医学成像范畴的应用在近几年获得了伟大的鞭策。越来越壮大的显卡被斥地出来，这对于人工智能系统所需的并行处理非常幻想。
这些显卡使得实现被称为人工神经收集的较量密集型系统变得加倍轻易，这些系统受到神经元在大脑中互连体式的开导。这种收集由处理图像分歧特征的保持节点层构成，每个属性都被付与必然的权重，然后系统将这些权重组合起来输出一个究竟——如眼睛是否受到糖尿病视网膜病变的影响。
经由将具有壮大处理能力的人工神经收集与海量图像数据集相连系，研究人员可以建立深度进修收集，完成传统编程软件无法完成的复杂义务，包罗打败一些世界上最精良的围棋选手。华盛顿大学的眼科大夫 Aaron Lee 说 :" 这是一种伟大的飞跃，所有这些曾经是天上掉馅饼的事情如今在手艺上都是可行的。"
一次成功的试验
在这些手艺提高的配景下，2010 年，Abr à moff 在爱荷华州 Coralville 成立了公司—— IDx Technologies。经由与 FDA 的长时间商议，他竖立了一个临床试验，证实 IDx-DR 能够在真实世界里运作。从 2017 年 1 月起头，这个试验招募了来自美国 10 个处所的 900 名糖尿病患者。
究竟显露，Abr à moff 几十年的工作取得了成绩。IDx-DR 识别出比轻度糖尿病视网膜病调换严重患者的准确率达到 87％，识别出了没有糖尿病视网膜病变的患者的正确率达到 90%。
雷锋网此前报道，2018 年 2 月，IDx 公司就已经公布，FDA 已加速对其公司 AI 系统的审查历程。
2018 年 4 月，IDx-DR 成为美国第一个被核准用于检测糖尿病视网膜病变的自立诊断系统。" 这是非常好的一天，"Abr à moff 说。
这个系统使用相机拍摄眼底。然后，AI 算法剖析所获得的图像，以检测糖尿病视网膜病变的早期征兆，例如出血。另一种算法能够匡助把持员拍摄高质量的视网膜图像，这意味着只要接管四个小时的练习，任何受过中学教育的人都能够把持 IDx-DR。
2018 年 6 月，爱荷华大学医疗保健中心成为第一家使用 IDx-DR 的机构。Lee 说，"IDx 所做的一切，为其他公司在深度进修范畴开创了先例。其他的 AI 系统也将会抢先恐后地显现。"
到今朝为止，大多数人还专注于检测糖尿病视网膜病变，因为这种情形相对轻易在图像中发现。" 从较量机视觉的角度来看，这是一个相当简洁的问题。"
像大夫一般思虑
人工智能系统最终要做的不光仅是检测单一眼病。" 当大夫评估一小我的眼睛时，他们会发现很多常见的情形，"Wong 说，" 你不克只说，' 我只想知道你是否患有糖尿病视网膜病变 '。"
这就是为什么 Wong 和其他人，包罗 Abr à moff 正在斥地可以同时检测出几种眼疾的 AI 系统。
一些研究人员没有教人工智能算法寻找疾病的特征 ( 就像 Abramoff 在 IDx-DR 中所做的那样 ) ，而是指导它们筛选来自健康或病变眼睛的大量图像。然后，AI 系统必需本身解决若何区分它们的问题。2017 年，Wong 和他的团队使用几项研究中收集的视网膜图像，来练习人工智能系统，这些图像包罗新加坡国度糖尿病视网膜病变筛查项目在内。
他们对 11 个多种族的糖尿病患者进行了测试，究竟表明他们的人工智能不光能够行使视网膜图像的差别检测糖尿病视网膜病变，还能够检测青光眼和 AMD。该系统的筛查能力与糖尿病视网膜病变的专家相当。
DeepMind 和 Moorfields 眼科病院的研究人员甚至走得更远。他们构建了一个 AI 算法，该算法能够本身给出针对 50 种常见眼部疾病的转诊决议。该系统在 OCT 视网膜扫描中识别出眼病的迹象，然后决意一小我去看专家的紧要水平。DeepMind 的 AI 系统能够光鲜减轻眼科大夫的工作量。客岁，英国国民健康办事中心放置了 825 万眼科门诊预约。 Keane 说，" 人们没有意识到我们平常的工作压力。"
训练习人工智能算法平日需要大量的数据，并使系统只执行有限的义务。然则一种被称为迁徙进修的方式能够匡助练习 AI 法式使用更少的特定义务数据，使它们可以更快地进修执行雷同的义务。
加州大学圣地亚哥分校的张康传授向导的一个团队采用了一种 AI 算法，该算法已经从公开数据集 ImageNet 上预先处理了数以万万计的平常物体图像，然后将其应用于一组约 10 万个 OCT 视网膜图像。尽管用于练习系统的视网膜特异性图像数量较少，但预练习使团队的 AI 法式可以正确诊断视力损失的两个常留情因 - 糖尿病性黄斑水肿和脉络膜新生血管（平日是晚期 AMD 的究竟），并决意需要把谁紧要转给专家。
将练习中使用的 OCT 视网膜图像的数量削减到约 4000 时，算法的错误率翻了一番，但其机能仍然与人类专家的机能大略相当。
张康、Keane 和 Wong 规划在将来两年内进行临床试验，以确认他们的 AI 系统在诊断时是否与眼科大夫一般有效——这是获得监管部门核准的需要前提。然则，要生产出能够在各类情况下使用的贸易产物，还需要进一步的工作。" 科学家们需要让它像 iPhone 一般可用。"Wong 说。
要解决的不只是手艺问题
在某些情形下，这些人工智能系统的能力或者会跨越人类。例如，德国雷根斯堡大学的遗传学家 Bernhard Weber 及其同事斥地了一种深度进修算法，用于对 AMD 的进展进行分类。AMD 是 50 岁及以上人群视力损失的首要原因。尽管后期 AMD 很轻易被发现，但 Weber 发现他的团队的 AI 法式也能够识别疾病的早期阶段。他说，" 这是很难题的事情，即使对眼科大夫来说也是挑战。"
尽管这类 AI 系统的正确性有助于获得监管部门的核准，但这种优势或者还不足以博得临床大夫和患者的信任。" 作为一个社会，我们预备好实施这些器材吗？"Lee 问道。
获得用户决心的一个障碍是人工智能系统的关闭性，它们就像黑盒一般运作——人们并不老是清楚这些法式是若何做出决意的。Lee 说：" 对于黑盒算法，你不知道为什么算法会做出如许的诊断。"
什么是黑盒问题？简而言之就是，人工神经收集也难以懂得是若何做出决议的。 这种不透亮性在诊所尤其令人懊恼，个中人工智能系统诊断背后的推理对于获得监管部门核准至关主要。" 可注释性成为美国食品和药物治理局的一个大问题，"Abr à moff 说，" 若是你进展算法能自我驱动，你需要可以注释算法的感化。"
为认识决黑盒问题，IDx 和 DeepMind 在诊断眼睛状况时采用双管齐下的方式来扣问他们的 AI 系统的决议。一种算法检测人的视网膜图像中的疾病特征。然后，另一种算法使用这些特征来决意该人是否需要咨询眼科大夫，若是需要，则需要何等紧要。经由划分这些步伐，临床大夫能够确定深度进修收集在提出介绍建议之前若何注释图像，DeepMind 的较量机科学家 Olaf Ronneberger 说。
另一种方式涉及使用分歧种类的黑盒。张康传授和德国雷根斯堡大学的遗传学家 Bernhard Weber 屏障部门视网膜图像的人工智能算法，并视察系统的诊断过程。这使 Weber 可以确定 AI 算法在视网膜中的哪个位置做出决意。Weber 说，" 你看到的是，它恰是人类眼科大夫的模样。"
Wong 将基于人工智能的与无人驾驶汽车相提并论：在这两种情形下，他都不确定人们是否已做好完全主动化的预备。是以，他将他的系统设计为全主动或半主动，在这个过程中，它与人类一路工作。这雷同于确保无人驾驶汽车有偏向盘和刹车，如许人们就能够在紧要情形下接督工作。" 这给我了更多决心，同时也能够光鲜降低工作量。"Wong 说。
这种双层模型或者适用于眼科大夫数量充沛的情形下。但这项手艺的最大潜力在于改善低收入国度或偏远区域的眼保健办事水平。这种推理促使 Abr à moff 在新墨西哥州的一个荒僻区域测试 IDx-DR，这个处所距离比来的眼科大夫也有好几小时的车程，来自谷歌的研究人员试用了一种深度进修算法，旨在发现眼科病院视网膜照片中糖尿病视网膜病变的迹象。
除了 AI 系统能力自己获得承认之外，其他手艺的应用也可以匡助 AI 更好地施展感化。在很多国度，拍摄眼底影像所需的设备和专业花样求过于供。然则，配备视网膜成像专用相机的智妙手机可与基于云的人工智能软件相连系，以筛查糖尿病视网膜病变，使眼科搜检更廉价、更轻易。
" 在我看来，对人类最大的优点将发生在资源有限的情况中，当没有这么多的专家的时候，"Lee 说，" 我认为人工智能能够在这些情况中为医疗带来非常大的推翻性感化。" 雷锋网雷锋网
