c《柳叶刀》刊发中国视网膜AI真实世界研究，AI医疗还有多少惊喜？

AI技术正带给医疗领域诸多难题和更多惊喜。
7月28日，第23届中国科学技术协年会闭幕式上，中国科协发布了2021年度十大工程技术难题——从472个问题难题中选出10个，“如何利用AI实现医疗影像多病种识别并进行辅助诊疗”赫然在列。
巧合的是，就在评选发布的前一天，国际顶级医学期刊《柳叶刀·数字健康》（TheLancet Digital Health)杂志(SCI影响因子24.519)发表了一项来自中国，关于“AI视网膜多病种辅助诊断系统”的真实世界研究。这项研究建立在多达26万样本量的基础之上，验证了AI系统在识别14种常见眼底异常的表现上，平均AUC达到0.968，足以媲美相关领域的专家。
这套系统来自鹰瞳Airdoc，他们为自己的系统起了一个简单而富有深意的名字：CARE。
“care在英语中本身有关怀、治疗的意思，而在这里，它还是Comprehensive Artificial intelligence Retinal Expert（综合人工智能视网膜专家）的缩写。”鹰瞳Airdoc首席医学官陈羽中说。
鹰瞳Airdoc成立于2015年，3年后，他们获得了国家药监局颁发的首张眼科AI软件第三类医疗器械证书，由此展开了AI视网膜辅助诊断系统在医疗机构的广泛应用。如今，鹰瞳Airdoc正致力于通过视网膜影像、多模态数据分析，以及AI深度学习算法，在医疗大健康场景中实现对慢病准确、大规模的无创诊断和相关健康风险的评估。
这项登上柳叶刀的研究由鹰瞳Airdoc和广州中山大学中山眼科中心联合开展，是首个眼科全国性临床真实世界研究。研究囊括的26万张视网膜图像来自全国28个省市，共51家医疗机构。CARE可识别的14种常见眼底异常包括糖尿病、高血压等全身性疾病，以及青光眼、病理性近视、视网膜静脉阻塞、视网膜脱离等12种威胁视力的异常眼部表现。
【 c《柳叶刀》刊发中国视网膜AI真实世界研究，AI医疗还有多少惊喜？】广州中山大学中山眼科中心领衔的16家医疗和科研机构对该系统进行了验证与分析，其中不乏北京同仁医院、上海五官科医院、北京大学人民医院和山东大学齐鲁医院等多家知名三甲医院。验证分析的结果显示：CARE平均0.968的AUC背后，最高的准确率出自地图状萎缩诊断，AUC达0.999；AUC最低的高血压眼底病变也有0.861，这是14种常见眼底异常表现中唯一AUC低于0.930的一项。
“这一数据令CARE的表现比传统单疾病标签模型的AUC提升了20%左右，要知道，即便是最好的专家，准确率也就在这一范围上下。” 陈羽中介绍说。
事实上，陈羽中的结论并非单纯来自他几十年医院工作的经验。在《柳叶刀》上发布的研究成果中，他们刻意安排了9位不同地区的眼科医生和4组不同年资的眼科医生与CARE进行对照。发现不同眼科医生对眼底病变识别的灵敏度差异很大，在这场人机对弈中，人类专家0.500-0.929的AUC范围让AI更稳定的优势得以展现。
而AI带来的惊喜还不止于此。
陈羽中向亿欧大健康分享了一项研究报告外更有趣的数据：他们在实验中发现，CARE在测试男女性别上达到了惊人的100%准确率——即便包括鹰瞳Airdoc自己的数据在内，样本量达到百万级之后结果仍是如此。
“且先不考虑是否有商业价值，首先我们要看到这是一个技术的突破。” 医学发展至今，人类专家从未通过眼底去分辨性别。这在陈羽中看来，意味着AI突破了人类为它们所圈定的边界。
目前人类已知与眼底视网膜相关的疾病有1000余种，其中常见病约200余种。在这当中，据陈羽中介绍，包含真实研究中的14项病种在内，CARE当下在拓展的覆盖了55种。“我们当然会继续在这一‘界内’继续‘拔草’。但‘界外’的部分也有非凡的意义。”他说。