“早產(chǎn)兒視網(wǎng)膜病變”（Retinopathy of Prematurity，縮寫ROP）嚴重威脅了最幼小、最脆弱的嬰兒，特別是未滿31周即出生且體重不足1500g的早產(chǎn)兒。如果能夠盡早發(fā)現(xiàn)ROP則可以治療，然而目前尚缺客觀的方法判定需要進行治療的情況。

哈佛醫(yī)學院和麻省總醫(yī)院Athinoula A. Martinos生物醫(yī)學成像中心的研究員Jayashree Kalpathy-Cramer認為AI能改變這種局面。她和同事James Brown正在開發(fā)由GPU加速的深度學習系統(tǒng)，以自動判斷這種疾病的嚴重程度。

“ROP最主要的一個特性是可預防性，對此深度學習能發(fā)揮重要作用。” Kalpathy-Cramer說道。

對于ROP的篩查停滯于1980年代

早產(chǎn)兒的眼睛未完全發(fā)育是ROP的病因。出生前的最后幾周是向視網(wǎng)膜供血的血管快速生長的時期。如果此過程被打斷，這些血管可能會停止生長，或長到錯誤的位置。

雖然ROP僅威脅一小部分早產(chǎn)兒，但可能會帶來終身的影響。ROP通常會自行好轉(zhuǎn)，但如果病情嚴重，就可能導致失明或眼部疾病（如斗雞眼、弱視、青光眼和早期白內(nèi)障）。

醫(yī)生篩查ROP時會按其嚴重程度來分為三個級別：常規(guī)、附加性前期(pre-plus)及附加性(plus)病變，具體取決于眼睛血管的情況。醫(yī)生將他們在視網(wǎng)膜或其數(shù)字影像中看到的情況與專家們在上世紀八十年代選出的標準照片進行比較，以確定ROP級別。然而，專家們對如何劃分這三個級別各持己見。

Kalpathy-Cramer表示：“我希望計算機視覺技術(shù)的最新進展能幫助我們在這個領(lǐng)域做得更好。”

NVIDIA助力實現(xiàn)ROP的自動化診斷

Kalpathy-Cramer和Brown利用來自視網(wǎng)膜病成像和信息學協(xié)會（由俄勒岡健康與科學大學的 Michael Chiang博士領(lǐng)導）、包含6000張影像及相應(yīng)的專家診斷意見的數(shù)據(jù)集合，來訓練深度神經(jīng)網(wǎng)絡(luò)，以區(qū)分ROP三個級別的影像。

Kalpathy-Cramer在位于波士頓的臨床數(shù)據(jù)科學中心（由麻省總醫(yī)院與布列根和婦女醫(yī)院運營）工作，她使用NVIDIA DGX-1 AI超級計算機和cuDNN加速的不同深度學習框架來開發(fā)ROP診斷算法。

接下來，她將利用印度的Aravind眼科醫(yī)院以及Banker視網(wǎng)膜臨床和激光中心（Banker Retina Clinic and Laser Centre）提供的大約10萬張影像來測試該算法。之后，她打算在印度將該算法作為篩查方法進行試驗。

兒童眼科醫(yī)生使用間接檢眼鏡檢查嬰兒有無早產(chǎn)兒視網(wǎng)膜病變的跡象

AI提供專家診斷結(jié)果

Kalpathy-Cramer希望能夠在缺少專業(yè)眼科醫(yī)生的中低收入國家和地區(qū)推廣她的ROP篩查系統(tǒng)。從長遠來看，她希望開發(fā)一種價格低廉的便攜式設(shè)備，供醫(yī)護人員初步篩查。

Kalpathy-Cramer說：“如果我們的算法能夠達到預期效果，它將在扭轉(zhuǎn)全球可預防性失明癥方面發(fā)揮巨大作用。”