（图片来源：Taj Francis）
本文译自《Nature》 原文标题：How artificial intelligence is helping to prevent blindness
作者：Sandeep Ravindran
当糖尿病患者找全科医生看病时，他们经常被转诊给眼科医生。眼科医生可以检查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，是导致失明的主要原因，每年大约有24000人得上这个病。
但是，人们都希望可以在早期控制疾病来避免最坏的结果。爱荷华州爱荷华大学视网膜专家兼计算机科学家Michael Abràmoff说：“我们非常了解如何治疗它，但我们并没有及早发现它。”
因此，定期筛查对于治疗糖尿病视网膜病变至关重要。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，似乎是一个无法克服的挑战。每年只有大约一半的糖尿病患者会按照建议检查自己的眼睛。
其中一个重要原因就是眼科医生的短缺。这些专科医生需要全面的培训和特殊设备，眼科医生短缺让患者不得不去很远的地方进行眼科检查。这个问题在低收入和中等收入国家尤为严重，印度只有15000名眼科医生为约7000万糖尿病患者服务。由于老年人、高风险人群的增长速度超过了眼科医生人数，更富裕的国家估计也会出现短缺。
有人提出，利用远程医疗的方式，让眼科医生远程评估视网膜的照片，这种方式可能有助于改善患者的就诊体验，但尚未获得广泛接受。
Abràmoff长期以来一直在探索是否可以使用计算机程序来筛查人们的眼病。几十年来，他开发了IDx-DR，这是一种AI系统，可以在几分钟内告诉一个人是否患有糖尿病视网膜病变。
IDx-DR是美国FDA批准的首个无需临床医生即可给出筛查决定的设备。但它并不是唯一能够改变眼科领域的AI工具。
算力的进步和大规模的视网膜图像数据集促进了AI系统的发展，该系统不仅用于检测相对容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。这些人工智能系统可以提高大规模筛查的速度和准确性，以此改善眼科服务欠缺地区的现状。
尽管AI系统的前景光明，也有人对系统是否能够普及表示担忧。新加坡国立眼科中心的眼科医生Tien Yin Wong说，在诊所使用人工智能将不可避免地引发人们对漏诊和误诊的担忧。他说，法律和道德问题最终可能决定技术的普及程度。
然而，该领域的乐观派认为AI辅助诊断已经准备好了。Pearse Keane是伦敦Moorfields眼科医院的眼科医生，也是DeepMind Technologies的顾问，这家公司由Google的母公司Alphabet所有。这家公司正在开发一种可以诊断眼疾的系统。“我仍然记得我第一次看到这个算法的时候，”他说。“我惊呆了，我觉得自己看到了整个眼科领域的变革。”
Abràmoff在30年前开始研究眼部疾病的自动检测。但Abràmoff不确定计算机程序是否可以代表训练有素的专家，至少在开始时是这样。
机器学习使用数据和定制算法来训练机器执行任务，从20世纪50年代以来，它已经显示出在图像分析上的潜力。但是，即使是Abràmoff在40年后开始他的研究时，硬件条件也不足以使机器学习用于分析真实世界的医学图像。
尽管如此，Abràmoff精心设计了数学方程来描述视网膜中的各种病变，然后编写了算法来检测它们。到了21世纪初，他发表了大量关于这一主题的论文，随着时间的推移，他获得了相关专利，希望能获得制药或生物技术公司的许可。但这个想法没有成功。“什么都没发生。”他说。
所幸的是，由于视频游戏行业的发展，人工智能系统在医学成像领域的应用在近几年得到了巨大的推动。越来越强大的显卡被开发出来，这对于人工智能系统所需的并行处理非常理想。
这些显卡使得实现被称为人工神经网络的计算密集型系统变得更加容易，这些系统受到神经元在大脑中互连方式的启发。这种网络由处理图像不同特征的连接节点层组成，每个属性都被赋予一定的权重，然后系统将这些权重组合起来输出一个结果——如眼睛是否受到糖尿病视网膜病变的影响。
通过将具有强大处理能力的人工神经网络与海量图像数据集相结合，研究人员能够创建深度学习网络，完成传统编程软件无法完成的复杂任务，包括打败一些世界上最优秀的围棋选手。华盛顿大学的眼科医生Aaron Lee说:“这是一种巨大的飞跃，所有这些曾经是天上掉馅饼的事情现在在技术上都是可行的。”
在这些技术进步的背景下，2010年，Abràmoff在爱荷华州Coralville成立了公司——IDx Technologies。经过与FDA的长时间讨论，他建立了一个临床试验，证明IDx-DR可以在真实世界里运作。从2017年1月开始，这个试验招募了来自美国10个地方的900名糖尿病患者。
结果显示，Abràmoff几十年的工作取得了成效。IDx-DR识别出比轻度糖尿病视网膜病变更严重患者的正确率达到87％，识别出了没有糖尿病视网膜病变的患者的准确率达到90%。
雷锋网此前报道，2018年2月，IDx公司就已经宣布，FDA已加快对其公司AI系统的审查进程。
2018年4月，IDx-DR成为美国第一个被批准用于检测糖尿病视网膜病变的自主诊断系统。“这是非常好的一天，”Abràmoff说。
这个系统使用相机拍摄眼底。然后，AI算法分析所得到的图像，以检测糖尿病视网膜病变的早期征兆，例如出血。另一种算法可以帮助操作员拍摄高质量的视网膜图像，这意味着只要接受四个小时的训练，任何受过中学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使用IDx-DR的机构。Lee说，“IDx所做的一切，为其他公司在深度学习领域开创了先例。其他的AI系统也将会争先恐后地出现。”
到目前为止，大多数人还专注于检测糖尿病视网膜病变，因为这种情况相对容易在图像中发现。“从计算机视觉的角度来看，这是一个相当简单的问题。”
人工智能系统最终要做的不仅仅是检测单一眼病。“当医生评估一个人的眼睛时，他们会发现许多常见的情况，”Wong说，“你不能只说，'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，包括Abràmoff正在开发能够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系统必须自己解决如何区分它们的问题。2017年，Wong和他的团队使用几项研究中收集的视网膜图像，来训练人工智能系统，这些图像包括新加坡国家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，结果表明他们的人工智能不仅可以利用视网膜图像的差异检测糖尿病视网膜病变，还可以检测青光眼和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眼科医院的研究人员甚至走得更远。他们构建了一个AI算法，该算法可以自己给出针对50种常见眼部疾病的转诊决策。该系统在OCT视网膜扫描中识别出眼病的迹象，然后决定一个人去看专家的紧急程度。DeepMind的AI系统可以显着减轻眼科医生的工作量。去年，英国国民健康服务中心安排了825万眼科门诊预约。 Keane说，“人们没有意识到我们日常的工作压力。”
训训练人工智能算法通常需要大量的数据，并使系统只执行有限的任务。但是一种被称为迁移学习的方法可以帮助训练AI程序使用更少的特定任务数据，使它们能够更快地学习执行类似的任务。
加州大学圣地亚哥分校的张康教授领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上预先处理了数以千万计的日常物体图像，然后将其应用于一组约10万个OCT视网膜图像。尽管用于训练系统的视网膜特异性图像数量较少，但预训练使团队的AI程序能够准确诊断视力丧失的两个常见原因 - 糖尿病性黄斑水肿和脉络膜新生血管（通常是晚期AMD的结果），并决定需要把谁紧急转给专家。
将训练中使用的OCT视网膜图像的数量减少到约4000时，算法的错误率翻了一番，但其性能仍然与人类专家的性能大致相当。
张康、Keane和Wong计划在未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医生一样有效——这是获得监管部门批准的必要前提。但是，要生产出可以在各种环境下使用的商业产品，还需要进一步的工作。“科学家们需要让它像iPhone一样可用。”Wong说。
在某些情况下，这些人工智能系统的能力可能会超过人类。例如，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，用于对AMD的进展进行分类。AMD是50岁及以上人群视力丧失的主要原因。尽管后期AMD很容易被发现，但Weber发现他的团队的AI程序也可以识别疾病的早期阶段。他说，“这是很困难的事情，即使对眼科医生来说也是挑战。”
尽管这类AI系统的准确性有助于获得监管部门的批准，但这种优势可能还不足以赢得临床医生和患者的信任。“作为一个社会，我们准备好实施这些东西吗？”Lee问道。
获得用户信心的一个障碍是人工智能系统的封闭性，它们就像黑盒一样运作——人们并不总是清楚这些程序是如何做出决定的。Lee说：“对于黑盒算法，你不知道为什么算法会做出这样的诊断。”
什么是黑盒问题？简而言之就是，人工神经网络也难以理解是如何做出决策的。 这种不透明性在诊所尤其令人烦恼，其中人工智能系统诊断背后的推理对于获得监管部门批准至关重要。“可解释性成为美国食品和药物管理局的一个大问题，”Abràmoff说，“如果你希望算法能自我驱动，你需要能够解释算法的作用。”
为了解决黑盒问题，IDx和DeepMind在诊断眼睛状况时采用双管齐下的方法来询问他们的AI系统的决策。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定该人是否需要咨询眼科医生，如果需要，则需要多么紧急。通过划分这些步骤，临床医生可以确定深度学习网络在提出推荐建议之前如何解释图像，DeepMind的计算机科学家Olaf Ronneberger说。
另一种方法涉及使用不同种类的黑盒。张康教授和德国雷根斯堡大学的遗传学家Bernhard Weber屏蔽部分视网膜图像的人工智能算法，并观察系统的诊断过程。这使Weber能够确定AI算法在视网膜中的哪个位置做出决定。Weber说，“你看到的是，它正是人类眼科医生的样子。”
Wong将基于人工智能的与无人驾驶汽车相提并论：在这两种情况下，他都不确定人们是否已做好完全自动化的准备。因此，他将他的系统设计为全自动或半自动，在这个过程中，它与人类一起工作。这类似于确保无人驾驶汽车有方向盘和刹车，这样人们就可以在紧急情况下接管工作。“这给我了更多信心，同时也可以显着降低工作量。”Wong说。
这种双层模型可能适用于眼科医生数量足够的情况下。但这项技术的最大潜力在于改善低收入国家或偏远地区的眼保健服务水平。这种推理促使Abràmoff在新墨西哥州的一个偏僻地区测试IDx-DR，这个地方距离最近的眼科医生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学习算法，旨在发现眼科医院视网膜照片中糖尿病视网膜病变的迹象。
除了AI系统能力本身得到认可之外，其他技术的应用也能够帮助AI更好地发挥作用。在许多国家，拍摄眼底影像所需的设备和专业技能供不应求。但是，配备视网膜成像专用相机的智能手机可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。
“在我看来，对人类最大的好处将发生在资源有限的环境中，当没有这么多的专家的时候，”Lee说，“我认为人工智能可以在这些环境中为医疗带来非常大的颠覆性作用。”雷锋网雷锋网
正在生成分享图...
我在思考中