出品："格致論道講壇"公眾號（ID：SELFtalks）
以下內容為亞非眼科學會亞洲辦公室執行主任晏丕松演講實錄：
人工智慧，英文縮寫為AI，大家應該不陌生，簡單來說，就是想辦法讓機器像人一樣思考和行動。
同樣的道理，醫學人工智慧就是想辦法讓機器像我們醫生一樣思考，來為病人進行診斷和治療。
這樣講，大家可能還是會覺得很抽象，那麼，下面我給大家舉一個例子，相信大家看完這個例子之後就會對我們眼科的AI有一個初步的印象。
我先請各位臨時充當一下剛剛提到的「機器」，大家現在看這幾張圖片可能不知道這是要幹啥，別急，那是因為還沒有教會大家怎樣像眼科醫生一樣來看病。
下面我把這幾張圖片的中間區域標記出來，然後再為他們配上一個標籤。
左側的代表正常情況，中間的這種情況我們稱它為「全白內障」，右邊的我們稱它為「皮質性白內障」。
大家現在是不是在想，「哦，原來眼科醫生是這樣看病的，這不就是看圖說話嘛，那我也會了。」
那行，下面就來給大家做一個測試。
給大家這樣兩張圖片，是不是也可以前面學習到的依葫蘆畫瓢，完成診斷啦！
這其實就是我們開發眼科AI診療系統的一個非常簡單過程。
我們知道，眼睛是位於人體體表的最重要的感覺器官，外界有90%左右的信息是通過眼睛來獲取的。
同樣，人工智慧在眼科發展很快，也是因為眼部的圖像和信息很容易獲取並且類型多種多樣，幾乎涵蓋了醫學上常見的圖像種類。
另外，現在的儀器設備自動化程度越來越高，很容易獲取高質量的標準化的眼部醫療數據和圖像。
還可以做到圖像採集和篩查一體化，這樣非常有利於各種AI的落地應用。
當然，我們眼睛還是唯一可以直接在活體上觀察到血管和神經的體表器官，所以它不僅是心靈的窗戶，也是全身健康狀況評估的窗口。
比如通過觀察這些血管的改變可以預測罹患心血管疾病的風險，通過觀察神經的改變，還可以預測像「阿爾茨海默症」這樣的神經系統疾病。
這些都是眼科AI發展迅速的獨有的學科優勢。
研究眼科AI的方法
我們先從近視開始，來向大家介紹我們是如何做眼科AI研究的。
大家都知道，我們國家近視的發病率一直居高不下，尤其是今年的疫情，雖然給各位放了一個超長假期。
但是，同時也讓我們中小學生的近視率較去年年底增加了11.7%，單獨看小學生的近視率增加更多，達到了15.2%。
從全球來看，預計到2050年，將有一半的人會是近視。
大家可能很焦慮，也很想知道上面這些問題的答案。
這些問題也是我們眼科醫生在門診一直都需要回答的。
由於以前的研究存在數據來源單一，樣本量小和數據不連續等等問題，經常出現同樣的問題，不同研究，結果不完全相同。
所以，有些問題還不能準確的回答。
現在我們有了大數據、人工智慧這些新的方法，不僅可以改變傳統的研究模式，還可以預測疾病的未來。
於是，我們收集了中山眼科中心10年的125萬的有多次隨訪的驗光結果來建立隊列。
我在開始的時候向大家展示了AI研發的過程，大家就知道了，我們先要對這些數據進行提取、清洗和統計分析，尋找到其中的規律。
然後轉換成機器能學會的語言，也就是建立算法模型，再對模型進行驗證。
通過分析，我們發現，在6歲以前是會有低度數的遠視，6歲半的時候跨過0度，7歲左右就逐漸向近視的方向發展。
隨著用眼增多，度數逐漸加深，直到20歲左右可以穩定下來，度數一般是在600度以內，這種近視我們稱之為學齡性近視。
這張圖上大家還可以更加清楚地看到5-10歲這個年齡段是近視進展最快的時候，因此，提示我們，這段時間尤其要加大近視防控的力度。
下面這個深灰色代表的是高度近視的變化情況，可以看到它和學齡性近視還不一樣，沒有特定起始年齡和穩定年齡。
我們把眼睛的屈光狀態分成這樣四類之後，可以看到幾種類型的具體變化數據，遠視和正視表現出佔比下降，中低度近視和高度近視都呈現出增加的趨勢。
然後我們還計算出了高度近視和低中度近視每年變化的速度，大家可以看到高度近視進展更快，發展為病理性近視的風險更大。
什麼是病理性近視呢？
就是那些有視網膜脫離、黃斑萎縮、出血等等眼底病變的近視，病理性近視出現致盲的機率就要比單純近視大很多。
因此，如何準確的預測出高度近視的發生就顯得非常的重要。
完成了前面的數據分析，我們就可以把它轉換成機器能識別的語言，來建立模型。
我們採用的是隨機森林的機器學習方法，通過大量的數據進行訓練和驗證，最後我們建立了高度近視風險的智能預測軟體。
我們只需要輸入前後兩次檢查的年齡和眼睛的屈光度數，很快就能得到10年以內的近視度數預測結果和發生高度近視的風險。
非常的方便快捷。
這個軟體已經經過很多的驗證，3年內預測的準確率在90%以上，10年內的準確率也有80%以上。
這一科研成果也以封面論文的形式發表在一個很老牌的國際期刊上，引起了廣泛的關注。
為什麼會近視
我們現在知道了近視的危害是發展成為高度近視後出現影響視力的併發症。
因此，我們近視防控有兩個關鍵環節需要把握住：一是預防從正視發展為近視；二是控制近視度數的加深，不要發展成為高度近視甚至是病理性近視。
俗話說知己知彼才能百戰百勝，所以要做好近視防控工作，我們還得清楚近視到底是怎麼發生的。
很早以前的觀念認為近視由遺傳決定的。
但是從最近這些年近視發生速度這麼快比率這麼高來看，似乎不能簡單的用遺傳因素來解釋。
其實在40多年以前，一位做神經科學研究的科學家就發現近視可能和視覺環境有關係。
當時他是在研究大腦皮層的功能，需要將小獼猴的一隻眼睛的眼瞼縫合起來，然後研究單眼視覺剝奪之後的大腦皮層效應。
但在這個過程中，他卻偶然發現被縫合的這隻眼睛長度變長了，並且出現了很高度數的近視。
這就像當年弗萊明因為一次實驗的意外，最後發現了青黴素一樣。
所以科研有時候就是這樣的神奇，無心插柳卻柳成蔭。
後來發現不用縫合眼瞼，只需要在眼睛前面戴一個眼罩或者毛玻璃鏡片，讓進入眼睛的圖像清晰度和對比度明顯下降，也會出現近視。
再後來，我們在一些眼科疾病比如上瞼下垂、先天性白內障、角膜混濁、玻璃體積血等病人身上也發現了高度數的近視。
至此，我們知道了凡是能影響眼睛成像清晰度和對比度的視覺環境都有可能引起近視。
比如說，我們日常生活當中，如果女生劉海比較長，老是擋住眼睛；經常在光線不好的環境看書；經常走路的時候看書看手機、還有一些家長認為小孩近視了不要馬上戴眼鏡等等。
這些情況其實就是天天在拿自己的眼睛做動物實驗，讓它向近視發展。
所以我們一定要避免這些情況出現，才有利於近視的防控。
當然，除了這種情況以外，一位叫舍費爾的德國科學家還發現，在小雞的眼前戴上一個高度數的近視鏡片，讓眼睛原本成像在視網膜上的焦點跑到眼睛後面去。
一段時間以後，小雞的眼睛也會出現眼軸變長和相應度數的近視。
這種情況在我們臨床上其實也可以找到類似的現象，比如我們的眼鏡度數戴高了，比如我們長時間很近距離看書看手機寫作業，調節功能不足。
也就是天天在給自己的眼睛做這個實驗，讓它形成近視和度數加深。
所以我們近視了配眼鏡一定要把近視度數驗準，然後再選擇合適的框架和鏡片。
近距離閱讀的時候一定不要持續太長時間，最好是遵循20-20-20法則，養成良好的用眼習慣，更好的控制近視。
除了近視，在臨床中我們也經常碰到3歲以下的小孩，以及還不會說話的小孩，也有視力不好的情況出現，比如說可能會有先天性白內障、青光眼、斜弱視等等。
那如何很方便快捷地為這些小朋友檢查視力篩查眼睛疾病呢？
這是一個很棘手的臨床和科研問題。
於是我們分析了在中山眼科中心就診的患有各種眼部疾病的嬰幼兒幾千例上萬小時的視頻，提取出與這些眼病相對應的眼部特徵和行為特徵，並一一打上標籤。
同時還收集了一大批正常嬰幼兒的視頻數據，然後建立模型並進行訓練和不斷優化迭代。
目前，我們這個模型已經做成了手機APP，大家只要上傳一段家長抱著小孩看動畫片的視頻，就可以完成嬰幼兒視功能的評估。
非常簡單快捷，準確率超過了80%。
這一項成果非常具有開創性，得到了很多人的關注。
前面兩個AI分針對的問題還比較單一，但是臨床問題往往是很複雜的，因此，也對AI研發提出了更高的要求。
於是，我們大膽的提出了這樣的算法設想。
將醫學影像圖片按照解剖部位和一些病理特徵進行分割成很多小塊，再為這些小塊打上標籤，然後再組合這些小塊來診斷相應的眼部疾病或者其他系統的疾病。
就像這裡顯示的用這個叫做裂隙燈的拍的眼前部圖片來進行上面這樣的分割。
這和小朋友們玩的樂高積木很類似，只要我們擁有各種各樣的樂高積木顆粒，就可以拼出自己想要的各種各樣的模型來。
目前，我們開發的這個基於裂隙燈顯微鏡的AI診療系統就可以利用眼前段照片識別出20種解剖特徵或病理改變，診斷多種眼部疾病。
比如結膜的炎症、角膜的病變以及白內障等等，多數準確率超過90%。
研究成果也於今年發表在了《自然生物醫學工程》上。
醫用AI存在的問題
當然，AI與其他許多技術一樣，在實驗室取得了成功，在實際應用的時候不一定能達到預期效果。
今年4月25日，谷歌的篩查糖尿病性視網膜病變的AI系統在泰國應用時就出現了翻車的情況。
比如，超五分之一的圖像因為清晰度問題被系統拒絕識別，網絡不暢造成圖像遲遲無法上傳，還有更多的時候系統無法給出明確的診斷結果等等。
我們團隊在比較早就考慮到了這個問題，為此，我們還進行了全球首個讓AI醫生和人類醫生進行PK的多中心隨機對照臨床研究。
結果也發現AI診療系統在實驗室表現優異，臨床使用時效果會有所下降。
因此，我們當時就提出了AI診療系統要進入臨床應用，必須要為它制定一些標準，比如要適配各種檢查設備，規範操作流程、圖像的質量控制等等。
即便如此，現階段，AI還需要和人類醫生攜起手來一起為大眾服務。
其實，我們研發醫療AI還有一個宏願。
我們知道，國家設計這樣的三級診療模式是希望從一級到三級醫院就診人數是遞減的。
也就是說常見病多發病儘量在一二級醫院來就診，疑難重症患者再到三級醫院就診。
但是目前的情況，恰恰相反，不管大病小病都到大醫院，所以大醫院人滿為患，小醫院基層醫院卻門可羅雀。
因此，我們提出了基於AI的醫學影像診斷新型三級診療服務模式。
當然，我們需要首先開發針對各種疾病的AI診療系統，把它放在雲端。
然後大家可以使用像智慧型手機、智能穿戴設備等等通用的智能設備，採集我們自己想要了解的身體某個部位健康情況的圖像、視頻以及其他各種指標。
然後上傳到雲端的AI診療系統完成初步篩查。
如果系統提示我們需要進一步檢查的時候，我們就可以預約離自己所在位置最近的社區或基層醫院。
再用專業的檢查設備來採集相應部位的醫療數據，再次上傳到雲端的AI診療系統完成疾病的初步診斷。
如果還需要手術或者上一級醫院診斷治療的再到三級綜合醫院或者相應的專科醫院就診。
這樣一來就可以形成一個漏鬥型的三級診療服務模式，不僅可以節約大量的人力物力和財力，還可以充分地利用各級醫療資源。
我們相信這種模式會在不久的將來得到實現，應該來說會在我們在座的這些同學們這一代實現。
所以，衷心地希望你們努力學習，加入到我們這個行業裡面來，一起實現我們這個宏願，為我們祖國的醫療健康事業貢獻一份力量。
「格致論道」，原稱「SELF格致論道」，是中國科學院全力推出的科學文化講壇，由中國科學院計算機網絡信息中心和中國科學院科學傳播局聯合主辦，中國科普博覽承辦。致力於非凡思想的跨界傳播，旨在以「格物致知」的精神探討科技、教育、生活、未來的發展。獲取更多信息。本文出品自「格致論道講壇」公眾號（SELFtalks），轉載請註明公眾號出處，未經授權不得轉載。