越來越多的糖尿病患者因視網(wǎng)膜病變而致盲，全世界大約有 4.15 億的糖尿病患者正面臨這一威脅。如果能有效捕捉到視網(wǎng)膜病變的征兆特征，病人是可以通過早期治療而避免失明。但倘若未能對其作出及時的診斷，錯過治療最佳時機，糖尿病引起的失明將是無法醫(yī)治的。

但可惜的是，能夠診斷出這一病變的專業(yè)醫(yī)生數(shù)量也是非常有限的，并不是每位糖尿病患者都能得到專家的及時治療。為此，谷歌公司相信通過機器學(xué)習(xí)方法能夠幫助醫(yī)生為病人做出診斷，尤其是那些沒有條件接收專業(yè)醫(yī)治的糖尿病患者群體。

若干年前，谷歌研究人員就已開始考慮使用谷歌科技來增強糖尿病視網(wǎng)膜病變的檢測過程，并將目光投向當時興起的由機器學(xué)習(xí)算法支撐起的計算機視覺技術(shù)上。近日，谷歌在《美國醫(yī)學(xué)會雜志》發(fā)表題為 “Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs” 的論文，正是谷歌研究人員提出的一種基于深度學(xué)習(xí)的算法，該算法能夠在視網(wǎng)膜造影中對糖尿病視網(wǎng)膜病變的跡象做出解釋，幫助醫(yī)生克服資源短缺資困難，為更多的病人做出更專業(yè)的診斷。

通常，糖尿病人眼部檢查過程是由醫(yī)院專家分析病人的眼底造影圖像，并對患病與否以及嚴重程度做出評估。其中，患病嚴重程度的評估是通過檢查眼底病變（如下圖）的形式來判定的，比如微動脈瘤、眼底出血、硬性滲出等，主要參考出血、液體滲出等病況。能對影相中的信息做出解釋，需要很高的專業(yè)功底和臨床經(jīng)驗。如果要為世界各地每位有失明危險的糖尿病患者做出診斷，醫(yī)生的數(shù)量是遠遠不夠的。

糖尿病視網(wǎng)膜病變患者視網(wǎng)膜基底造影示例。左側(cè)圖片采自眼部正常的糖尿病患者（A）；右側(cè)圖片采自患有視網(wǎng)膜病變的糖尿病患者（B），圖中顯示出該病人眼底有出血現(xiàn)象（一些小紅點）。圖片來自       Google Research Blog

通過與美國及印度醫(yī)生的密切接觸，谷歌研究人員建立了一個有 12.8 萬幅圖片組成的數(shù)據(jù)集，每張圖片都記錄了 3-7 名眼科醫(yī)師的評估結(jié)果。與該團隊合作的眼科醫(yī)師一共 54 名。這一數(shù)據(jù)集被用來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)從而檢測可參考的糖尿病視網(wǎng)膜病變圖片。

為檢驗算法的性能，該團隊使用兩個獨立的臨床驗證數(shù)據(jù)集共包括 1.2 萬幅圖片進行測試。每幅測試圖片都進行標記審核。評審專家組由 7-8 名通過職業(yè)資格考核的美國眼科專家組成，通過多數(shù)投票通過的方式進行判決。同時保證結(jié)果與訓(xùn)練集所參考的  54 名眼科醫(yī)師團開出的診斷結(jié)果一致。算法生成的檢測結(jié)果與眼科專家診斷結(jié)果參見下圖，共對比了 9,963 幅臨床有效集合內(nèi)的圖片。

黑色曲線表示算法性能，彩色點表示八位眼科專家對糖尿病視網(wǎng)膜病變（輕度或重度糖尿病視網(wǎng)膜病變，或由糖尿病引起的視網(wǎng)膜黃斑水腫）的臨床診斷結(jié)果。實驗數(shù)據(jù)為 9,963 幅有效圖集。圖中黑色菱形為外科手術(shù)操作點，其對應(yīng)于算法在高敏感性和高特異性下的操作點。

結(jié)果表明，谷歌的算法診斷性能可以與眼科專家診斷結(jié)果相媲美。比如上圖描述的有效集合，算法獲得0.95的F分數(shù)（結(jié)合敏感性和特異性指標，取max = 1），相比八位眼科專家的中位數(shù) 0.91分，該算法略勝一籌。圖片來自 Google Research Blog

這些結(jié)果誠然令人激動不已，但是仍有大量工作需要完善。

• 首先，盡管谷歌傳統(tǒng)的算法質(zhì)量評估系統(tǒng)很全面，但是與視網(wǎng)膜專家交流后發(fā)現(xiàn)，在定義質(zhì)量性能方面，還需要更嚴格的參考標準。

• 其次，谷歌在論文中對 2D 眼底造影技術(shù)的解釋僅僅是糖尿病視網(wǎng)膜病變診斷中眾多步驟的一部分。

在某些情況下，醫(yī)生使用的 3D 圖像技術(shù)，即光學(xué)相干斷層掃描（OCT），能夠更為詳細地對不同切片上的眼部細節(jié)進行檢查。谷歌 DeepMind 的研究人員已經(jīng)開始將機器學(xué)習(xí)應(yīng)用于這些 3D 圖像模式。不久的將來，這兩種互補理論可能會共同援助醫(yī)生分析眼部疾病的寬頻譜。

針對糖尿病視網(wǎng)膜病變的自適應(yīng)高精度理論還有著很大潛力，不僅能夠幫助醫(yī)生評估更多的病人，而且能為需要專家診斷的人群提供快速通道。

未來， Google 將聯(lián)手醫(yī)生和科學(xué)家將該方法的整個過程推廣至全球。為保證利益最大化，谷歌將完善該研究理論并應(yīng)用于臨床工作流系統(tǒng)。目前，谷歌正與 FDA 及其他監(jiān)管部門合作，進一步為臨床研究進行評估。由于近期深度學(xué)習(xí)進展迅猛，谷歌也期待能夠研究出更加令人振奮的成果。這同時也更好的證明機器學(xué)習(xí)在解決醫(yī)療圖像處理方面表現(xiàn)的非常出色。

via Google Research Blog

【招聘】雷鋒網(wǎng)堅持在人工智能、無人駕駛、VR/AR、Fintech、未來醫(yī)療等領(lǐng)域第一時間提供海外科技動態(tài)與資訊。我們需要若干關(guān)注國際新聞、具有一定的科技新聞選題能力，翻譯及寫作能力優(yōu)良的外翻編輯加入。工作地點深圳。簡歷投遞至 guoyixin@leiphone.com。接收兼職及實習(xí)生。

相關(guān)文章：

DeepMind 與 NHS 打造未來醫(yī)療五年計劃，前景雖好隱憂不斷

繼攻克圍棋后，Deepmind想“看透”人類的眼睛

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。