拍下一張眼表圖，1分鍾內可診斷出病灶，並診斷多種眼表疾病。中山大學中山眼科中心23日稱，該中心教授林浩添、教授劉奕誌和西安電子科技大學教授劉西洋等組成研究團隊，5年合作共同研發新的圖像智能評估係統，可應用於大規模篩查、綜合分診、專家級評估等多個臨床場景。該研究成果發表於《自然》雜誌的子刊《自然生物醫學工程》。
拍下一張眼表圖，1分鍾內可診斷出病灶，並診斷多種眼表疾病。中山大學中山眼科中心23日稱，該中心教授林浩添、教授劉奕誌和西安電子科技大學教授劉西洋等組成研究團隊，5年合作共同研發新的圖像智能評估係統，可應用於大規模篩查、綜合分診、專家級評估等多個臨床場景。該研究成果發表於《自然》雜誌的子刊《自然生物醫學工程》。
當天，記者體驗上述智能係統的問診過程，操作人員通過裂隙燈拍照後，圖片實時上傳到係統。1分鍾內，檢測結果顯示在屏幕上。如果眼睛有病變，智能係統還會顯示出病變的位置，給予診斷建議，像一位“AI醫生”。
上述智能係統基於醫學圖像密集標注技術Visionome。該技術是一種基於解剖學和病理學特征對醫學圖像進行密集標注的方法。與傳統圖片級分類標注方法相比，Visionome技術可多產生12倍標簽，而這些標簽訓練出來的算法顯示更好的診斷性能。
基於此技術，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係統，可應用於大規模篩查、綜合分診等多個臨床場景。
林浩添介紹，醫學生在學習過程中，會基於少量精密解剖圖和病理圖，不斷加深對解剖學、生理學和病理學等學科的學習，但對於人工智能來說，圖像標注是所有人工智能算法感知世界的基礎。
團隊決定利用類似DNA序列分割的原理對醫學圖像進行分割：建立Visionome密集標注標準流程，組織25人專家標注團隊將1772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種病理性特征進行密集標注，最終得到13404個解剖結構標簽和8329個病理特征標簽。
目前，Visionome可完成4項臨床任務。其中，對於大規模篩查，即對眼前段圖像進行正常/異常判斷，它的準確率高達98.54%。
林浩添說，目前研究成果已進入臨床應用轉化階段，下一步，希望能夠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，推動健康數據共享。
我要跟帖copyright©醫學論壇網 版權所有，未經許可不得複製、轉載或鏡像
京ICP證120392號 京公網安備110105007198 京ICP備10215607號-1 （京）網藥械信息備字（2022）第00160號
