中山大學(xué)中山眼科中心聯(lián)合Airdoc首創(chuàng)白內(nèi)障人工智能多層次協(xié)同診斷

　 域名預(yù)訂/競價，好“米”不錯過

中山大學(xué)中山眼科中心人工智能與大數(shù)據(jù)科與Airdoc人工智能團(tuán)隊合作開發(fā)出人工智能的白內(nèi)障視診器平臺，可以準(zhǔn)確診斷白內(nèi)障，基于此的新的三級轉(zhuǎn)診模式可以實現(xiàn)較以往10.2倍的醫(yī)患服務(wù)人數(shù)比。這一重要成果已經(jīng)被知名眼科期刊《British Journal of Ophthalmology》刊出。

研究團(tuán)隊建立并驗證了一個人工智能醫(yī)療影像診斷平臺，用于臨床場景下多層次的白內(nèi)障協(xié)同診斷。更重要的是研究出基于人工智能的醫(yī)療轉(zhuǎn)診模式，提高了協(xié)作效率和醫(yī)療資源覆蓋率，實現(xiàn)了白內(nèi)障領(lǐng)域的重大國際性突破。

圖1：門診報告樣例

發(fā)展中國家的醫(yī)療資源水平不高、分布不平衡，現(xiàn)行的醫(yī)療體系對常見疾病的管理遠(yuǎn)遠(yuǎn)不能令人滿意。隨著電子病歷、數(shù)字化醫(yī)療設(shè)備、可穿戴監(jiān)護(hù)儀的發(fā)展與普及，遠(yuǎn)程醫(yī)療服務(wù)在促進(jìn)病人的評估、診斷和管理方面顯示出巨大的潛力。然而，遠(yuǎn)程醫(yī)療在眼科的應(yīng)用目前還處于初級階段，主要通過“存儲和轉(zhuǎn)發(fā)“方法來完成的，是給已經(jīng)超負(fù)荷的專家來完成的額外任務(wù)。

以此同時，白內(nèi)障是世界范圍內(nèi)引起視力損害的主要原因，占發(fā)展中國家失明病例的50%以上。大多數(shù)白內(nèi)障與年齡有關(guān)，有些還與全身疾病、外傷和先天因素相關(guān)。隨著全球人口老齡化的趨勢，白內(nèi)障的患病率呈逐年增高之勢。預(yù)計到2050年，我國白內(nèi)障致盲病例將達(dá)到2000萬例。然而，醫(yī)療資源的分布遠(yuǎn)遠(yuǎn)不能滿足白內(nèi)障的診斷和管理。所以，如何在患者和醫(yī)院之間建立一種更高效的協(xié)作模式，是團(tuán)隊的研究目標(biāo)。

圖2：系統(tǒng)流程

研究團(tuán)隊開發(fā)的產(chǎn)品可以實現(xiàn)，由患者在遠(yuǎn)程web服務(wù)器中輸入一張裂隙燈拍攝的圖片及年齡等基本信息，最終實現(xiàn)產(chǎn)品輸出：(1)識別圖片的拍照方式(四分類：①散瞳、彌散光照片，②散瞳、裂隙光照片，③正常瞳孔、彌散光照片，④正常瞳孔、裂隙光照片)(2)識別是否健康、白內(nèi)障或是術(shù)后(3)識別白內(nèi)障的輕重程度 (4)識別先天性白內(nèi)障是否有完全遮蓋視軸(5)識別白內(nèi)障病人術(shù)后發(fā)障是否累及視軸 — (PCO模式)，全程由系統(tǒng)自動識別和判斷，大大減少醫(yī)生的工作量。

圖3：診斷圖像示例

此研究成功顯示出強大的診斷性能：(1)捕獲模式識別(AUC 99.28%-99.71%)，(2)白內(nèi)障診斷(正常晶狀體，白內(nèi)障或術(shù)后眼，AUC分別為99.82%，99.96%和99.93%。對于mydriatic-slit lamp mode，AUC> 99% (相比于其他捕獲模式)，以及(3)檢測到白內(nèi)障(在所有測試中，AUC> 91%)。 在三級轉(zhuǎn)診模式中，建議“轉(zhuǎn)診”人員的比例為30.3%，與傳統(tǒng)模式相比，醫(yī)患服務(wù)人數(shù)比提高了 10.2倍。?

研究成果已經(jīng)落地，為更多白內(nèi)障患者帶來福音。從2018年5月起，已經(jīng)相繼在廣州多個社區(qū)進(jìn)行了試點應(yīng)用。預(yù)計在2020年，將會實現(xiàn)更多應(yīng)用場景落地。

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！