中山大學中山眼科中心教授林浩添介紹項目進展
Visionome技術可高效診斷多種眼病。邰夢雲/供圖
歷時5年攻關,中山大學中山眼科中心教授林浩添、劉奕志與西安電子科技大學教授劉西洋及其團隊首創一種基於解剖學和病理學特徵對醫學圖像進行密集標註的方法——醫學圖像密集標註技術Visionome,可以智能、高效診斷多種眼病。相關研究6月22日在線發表於《自然—生物醫學工程》,並進入臨床轉化應用。
目前國內醫學人工智慧發展仍面臨優質數據提取困難、現有數據標註方法效率低等一系列問題,同時許多疾病患病率低,不同學科數據特徵迥異,導致現有人工智慧算法通常難以應對跨學科場景。如何利用一流醫療人才團隊與海量循證醫療數據的優勢,突破僵局,建立中國特色的醫學人工智慧發展模式,仍然是目前廣大人工智慧工作者們面臨的重大科學問題。
在國家重點研發計劃、國家自然科學基金面上項目、廣東省科技計劃項目的支持下,林浩添提出了醫學人工智慧「樂高」計劃,以標準化數據標註模式、提高數據標註效率、建立醫療數據區塊鏈等作為切入點,進行戰略部署。該計劃通過將醫學數據轉化成可以拼插組合的「樂高」模塊,打通不同疾病學科的數據異質性壁壘。
林浩添表示,作為醫學人工智慧「樂高」計劃的首個研發成果,Visionome技術成功實現了人工智慧進行跨學科、多病種應用。基於此技術,其團隊訓練出可準確識別多種眼前段病變的裂隙燈圖像智能評估系統,可應用於大規模篩查、綜合分診、專家級評估、多路徑診療建議等多個臨床場景。
據介紹,研究人員利用類似DNA序列分割的原理對醫學圖像進行分割:建立Visionome密集標註標準流程,組織25人專家標註團隊將1,772張包含角膜炎、胬肉等感染、環境、年齡相關性疾病的眼前段圖像,按照14種解剖結構進行區域分割,對於6種病變部位按照54種病理性特徵進行密集標註,最終得到了13404個解剖結構標籤和8,329個病理特徵標籤。結果顯示,Visionome數據集訓練的算法具有顯著更高的診斷準確率。
研究人員使用Visionome數據集,進一步研發了可針對多種眼前段疾病,進行多區域識別和分類的裂隙燈圖像智能評估系統。該系統可完成大規模篩查、綜合分診、專家級評估、多路徑診療建議4項臨床任務。為了進一步評估系統的可延展性,團隊使用了20種系統未學過的眼病進行測試,系統在大規模篩查場景中達到了84.00%的準確率。
「與傳統圖片級分類標註方法相比,Visionome技術可多產生12倍標籤,而這些標籤訓練出來的算法顯示了更好的診斷性能。」林浩添表示,使用者通過在Visionome診斷系統中上傳眼前段圖像,即能一次獲得多個部位的全方位診斷,與傳統的人工智慧算法相比,Visionome系統可生成更加全面、精細、具體的報告,真正讓醫學人工智慧應用揭開神秘的面紗,成為一個接地氣的「醫生」。
該研究有效解決了數據樣本量小和數據浪費等問題,但仍對標註數量及質量有很高要求。目前,團隊以區塊鏈技術優勢與醫療健康數據傳輸共享技術相結合作為切入點,基於區塊鏈開放共識、不可篡改、易於追溯等特點,進行醫療健康區塊鏈技術的戰略布局。
據了解,作為本次研究成果的共同第一作者——中山大學中山眼科中心博士研究生李王婷、楊雅涵與西安電子科技大學張凱博士等其他團隊成員進行了深度合作,從生理學、病理學、解剖學、診斷學等幾個不同的角度著手,在經歷多次標註方案失敗、測試和優化後,最終明確Visinome圖像密集標註方案,並逐步完成了軟體設計、網站部署、臨床應用及評估等工作。
相關論文信息:https://doi.org/10.1038/s41551-020-0577-y
版權聲明:凡本網註明「來源:中國科學報、科學網、科學新聞雜誌」的所有作品,網站轉載,請在正文上方註明來源和作者,且不得對內容作實質性改動;微信公眾號、頭條號等新媒體平臺,轉載請聯繫授權。郵箱:shouquan@stimes.cn。