近年來，人工智能技術發展迅速，已經成為醫學領域研究的前沿熱點之一。其中，由于AI技術的便捷性和高效性使其在眼科疾病篩查、診療以及隨訪中表現出巨大的應用前景。

在眼科AI領域，中國的研究與世界一流水平并行。那么，我國人工智能技術的應用能夠為解決眼科醫療難題帶來什么價值？在構建眼科醫療AI生態系統中存在哪些挑戰？AI眼科醫療發展的趨勢是什么？

亞太青光眼學會理事、亞太眼科學院院士、中山眼科中心臨床研究中心主任張秀蘭教授對眼科AI領域的相關問題進行了深度解讀，期望能夠為關心醫療人工智能發展的讀者帶來啟示。

中國眼科醫療現狀

在西方發達國家，每百萬人口中平均有79名眼科醫師。我國目前有眼科醫生約3．5萬，平均每百萬人只有22名眼科醫生，而且不同地區、不同級別醫院間眼科醫師的水平差異極大。

此外，隨著老齡化，眼病患者不斷增多。眼科醫生培養周期非常漫長，至少需要7－12年才能成長為一名合格的眼科醫師。因此，光靠加大眼科醫師培養投入，難以滿足目前的眼病診療需求。

我國是盲和低視力人口最多的國家，眼病患者人數也是全球最多，這一類疾病給國家、社會和家庭帶來沉重的負擔。

以白內障為例，相關手術技術已非常成熟，我國每百萬人白內障手術例數已從1988年的83例，提升至2017年的2205例，但是距離歐美每百萬人口大于1萬例／年的數量還相差甚遠。

青光眼是我國首位不可逆致盲眼病，預計到2020年，我國將有2100萬的青光眼患者，產生近630萬盲人及超過1000萬的視覺殘障人士。大部分青光眼發病隱匿，我國至少90％的原發開角型青光眼和至少50％的原發性閉角型青光眼患者未被查出。

糖尿病視網膜病變是我國另一個嚴重的公共衛生問題，目前我國有1300萬糖尿病視網膜病變患者，而且農村地區糖尿病患者罹患糖尿病視網膜病變的風險高于城市患者。

糖尿病視網膜病變患者如果早期發現，通過激光手術就可以有效預防威脅視力并發癥的發生，但是我國的糖尿病患者很少進行視網膜病變的篩查。在廣東地區的調查顯示，43．2％的糖尿病患者從未進行過眼科檢查，在農村，這一數值更是達到81．1％。

AI技術應用為解決眼科醫療難題帶來價值

眼病診療的第一個痛點是眼病客觀診療需求尤其是篩查需求與眼科醫師數量的嚴重不匹配。

《我國糖尿病視網膜病變臨床診療指南（2014年）》要求糖尿病患者每年至少進行1次視網膜病變篩查，我國有超過1億名糖尿病患者，靠眼科醫師難以滿足巨大的篩查需求。由于眼科的專業性和專業人員的匱乏，診療覆蓋率及其有限，而人工智能和大量影像數據結合，可以參與到部分眼病，如糖尿病視網膜病變、白內障、青光眼、黃斑病變等篩查診斷中

從醫生的角度來看，人類能夠診治疾病是有限度的，很多疾病早期診斷是很困難的。以青光眼為例，根據一次門診，眼科醫生難以判斷青光眼患者目前是否是在進展；糖尿病視網膜病變患者接受抗VEGF治療，事先也無法判斷每一個患者治療后反應如何，需要多次隨訪綜合判斷。

人工智能技術可能在這方面能夠幫助眼科醫生及早判斷，助力醫生實現個體化診療。另外，人類雖然擁有靈巧的雙手，但精確度也存在極限，利用AI技術，開發眼科手術機器人輔助眼科手術，利用其高精度、高靈活性、穩定性的特點，使其與微創手術緊密結合，未來有望實現遠程眼科手術。目前，用于診斷和決策的AI是當下AI研究的熱點，AI手術機器人的發展尚不及診斷AI成熟。

總的來說，AI可以在以下五個方面幫助眼科醫生：

1． 通過與影像學相結合的機器學習技術在眼科中的應用，AI可以輔助醫生篩查，極大地提高了診療覆蓋率；通過篩查早期發現高危人群或者患病人群，提早治療。

2． AI能夠輔助臨床診斷，提高臨床工作中眼科疾病的診斷效率，減輕眼科醫生的負擔；這兩點是我們能在近期內是實現的，也是我們國家迫切需要的，能夠一定程度上幫助我們解決看病難、醫生少的問題，革新現有的疾病診療體系。

3． AI能夠拓展眼科醫師能力邊界，指導眼科醫師個體化治療和預測預后。當然，這一點的實現有賴于縱向數據集的建設。

4． 協助眼科醫師培養。比如，現在存在多種人工智能結合的模擬器用于住院醫師培訓；現有人工智能產品也可以幫助基層醫師對比他們的診斷，促進其成長。

5． AI能模擬人類總結新的診斷思路及規律，幫助人類醫生決策，提高診斷精度。目前要實現這一點還存在困難，尚有賴于技術的進一步發展。

AI眼科落地所面臨的難點與挑戰

張秀蘭教授認為，目前基于眼底照的AI算法已經相對成熟，對于眼底疾病、視神經疾病的診斷已經接近人類醫師的水準，對于眼科常見病的篩查也具備了一定的效力。但目前AI眼科落地還存在一些客觀的挑戰。

圖：亞太青光眼學會理事、亞太眼科學院院士、中山眼科中心臨床研究中心主任張秀蘭教授

從技術角度看，算法對于具體病灶的定位效能還有待提高，究其原因是目前缺少大樣本、精細標注的影像數據庫；其次，算法的可解釋性仍然不高，還存在所謂的“黑箱”，這就限制了它的推廣。此外，目前尚未見AI算法在真實世界中的實戰數據，因此不知道AI算法用于人群后的實用性及可靠性。

即便如此，百度等一些廠商已經在可解釋性方面取得了不錯的進展，他們將黑盒完成的單一診斷任務嵌入到整體架構設計中，根據臨床診療路徑設計了符合醫生推理邏輯的可解釋算法。

從非技術角度看，還有諸多有待解決的問題。我國AI+醫療尚屬起步階段，官方正在起草相應的標準，目前還沒有統一的數據標注標準。我國擁有遠海外的海量影像數據，但是數據質量參差不齊，標簽、標注十分簡陋，相關臨床信息丟失過多，嚴重影響了算法的性能。數據的“量”很重要，但“質”更關鍵。在未來，擁有優質數據的人將是AI的贏家。

同時，國家、協會需要建立質量監控標準，制定人工智能產品審批、監管相關標準，對每種AI產品也應進行標準化的測評；大眾接受人工智能醫療服務尚需要一個過程；人工智能醫療的商業模式也有待于進一步明確；在倫理和法律方面，出現誤診及醫療事故由誰負責也是有待明確。

現階段，眼科AI目前尚無通過CFDA認證的產品，眼底病的智能篩查儀器、產品等是最先突破的領域，特別是糖網、AMD等智能篩查產品中有不少處于臨床驗證階段，尚無上市的消息。但眼科作為影像檢查十分豐富的科室，注定會迎來眼科AI百花齊放的時刻。

中山眼科作為國內眼科AI的先行者，去年牽頭成立國內第一個眼科智能學組，張秀蘭教授也參與其中。眼科智能學組的成立旨在促進我國眼科AI的發展壯大，也將參與到起草醫療數據標注標準的工作中。

中山眼科中心與合作伙伴在推動AI眼科醫療落地方面的進展

在眼科AI領域，目前中國的研究與世界一流水平并行，中山大學眼科中心是國內眼科AI的先行者，在先天性白內障、糖網、青光眼、近視眼等相關醫療AI研究領域都做出了業界矚目的成果。

在學術研究方面，2017年，中山眼科中心劉奕志院長牽頭研發構建了全球首個人工智能白內障診療云平臺，以封面文章發表在Nature Biomedical Engineering，并在廣州開啟了全球首個眼科人工智能機器人門診，作為唯一由中國團隊完成的入選項目，被IEEE Spectrum評選為“影響全球醫學界的11大AI事件”。

劉奕志院長基于大數據展示了真實世界青少年近視眼發生、進展與穩定規律，以此建立了人工智能預測系統，實現了對近視進展趨勢進行個體化預測。除此之外，中山大學眼科中心的研究團隊還參與了國際多中心的眼底照AI算法研究，開發了基于眼底彩照的可用于糖網、AMD等疾病篩查的算法，相關文章發表于頂級綜合期刊JAMA、頂級糖尿病雜志Diabetes Care、眼科排名第一的Ophthalmology雜志。

張秀蘭教授帶領的團隊專注于青光眼的智能診斷算法研究，通過與中科院深圳先進技術研究院、百度以及國內十余家眼科機構緊密合作，目前該團隊已開發基于深度神經網絡的視野判讀系統iGlaucoma 1．0，用于區分屬于青光眼或非青光眼視野。基于上萬份有標簽的視野報告得到的結果，并發表文章，診斷準確度達到87．6％，目前正在進行多中心臨床驗證。

該團隊正與國內10個中心共同開發可以同時判讀視野和OCT多模態報告的神經網絡iGlaucoma 2．0。進一步研究將利用眼前節OCT、視野、后節OCT有標簽的數據開發人工智能算法，以建立聯合前后節影像數據的人工智能青光眼診斷平臺iGlaucoma3．0。

因為青光眼的診斷復雜性，相關AI算法的開發難度非常大，所以這將是一個長遠的課題，團隊也制定了詳盡的后續研究計劃，目標是打造多模態人工智能青光眼診斷決策平臺，最終做到輔助人類進行決策。

正如美國斯坦福大學計算機科學系李飛飛教授對ImageNet數據庫的建設引爆了這一輪人工智能研究的熱潮，在醫療人工智能領域，數據同樣至關重要。目前眼科AI尚無統一的官方標準，不過公認的原則是參與標注的人員越多、數據量越龐大，數據庫的質量會相對更高。數據庫的建設關系到算法的開發與性能提升，因此是非常重要的環節。

由于沒有相應完備數據庫支持病灶定位功能訓練，目前的眼科AI局限于診斷，在具體病灶定位方面的能力還相對薄弱。張秀蘭教授與其合作伙伴意識到目前醫療AI開發的困境是由于優質影像資料的匱乏。

因此，從2018年起，中山眼科中心開始涉足公共數據庫建設。2018年9月，中山眼科中心與百度、維也納眼科醫院在醫療影像頂級大會MICCAI上發布了全球第一個完全開放的青光眼的眼底照精標數據庫，吸引了全世界300多個研究組的參與，后續還發布了AMD、病理性近視的數據庫。

這一數據庫在建設方面嚴格把關，每一張圖像都由7位專業醫師重復標注，再由上一級專家審核，在業界產生了較大反響。未來，張教授及其合作伙伴還將發布更大規模的數據庫，以促進眼科醫療AI的蓬勃發展。除科研外，面向產業落地，張教授也在推動AI眼科數據庫團體和行業標準的建立。

在張秀蘭教授未來的規劃中主要有兩大方向的工作：其一是繼續深入開發青光眼的AI算法，最終完成多模態體系建設；其二是建設更多的優質數據庫，為廣大的開發者提供優質共享資源，推動完善中國眼科AI+醫療創新生態。

AI眼科醫療的國際一流水平與前沿趨勢

目前國際一流眼科AI研究有兩個主要特點：第一，一流的醫療AI研究在使用海量的數據庫資源訓練算法；第二，一流的AI研究正在嘗試不同模態的算法開發。

如今，基于眼底照的AI更成熟，2017年新加坡國立眼科中心牽頭的大型多中心研究利用超過20萬的眼底照訓練了可用于糖網、AMD、疑似青光眼篩查的算法，效能完全達到了人類的水平。這是非常值得借鑒的成功實踐。

未來AI眼科醫療研究有幾個前沿方向，第一，先進高效能的診斷算法開發，開發可用于多種眼病診斷的復合系統；第二，可用于病情預測的算法開發：幫助醫生在當下預知未來的病情變化，早防早治；第三，利用AI幫助醫生確定診斷新思路，通過AI的強大算力，推斷出數據中的指標與疾病的相關性。

中國現已走在了AI研究的前沿，AI算法的應用研究已經做的十分豐富，但是如果想要保持領先，相應的基礎和理論研究、原始創新也要有所突破，才可能創造出更高的價值。