眼底检查对于系统性疾病引起的糖尿病和高血压等眼部改变，以及年龄相关性黄斑变性等原发眼底疾病方面都有重要意义。人工智能技术的发展为大规模人群的眼底病变筛查提供了新思路。

《柳叶刀-数字健康》（The Lancet Digital Health）近日发表了一项由中国中山大学中山眼科中心林浩添教授团队与人工智能企业合作的医学研究，结果显示，人工智能软件在临床真实世界中对常见眼底病变识别的能力已经可以与眼科医生媲美。

首个大规模真实世界数据

这项研究最大的意义在于首次在大规模眼科真实世界研究中验证了人工智能软件的准确率。美国威斯康星大学影像诊断中心主任Amitha Domalpally将此项研究评价为“标志着医学人工智能研究迈向正确的发展方向”。

该研究使用超过20万张眼底彩超训练人工智能软件识别14种常见眼底疾病，并将AI软件的表现与16位不同地区、不同年资的眼科医生进行比较，发现AI软件CARE系统在识别包括糖尿病和高血压在内的系统性疾病的眼部表现，以及包括青光眼视神经病变、病理性近视眼底改变、视网膜静脉阻塞、视网膜脱离、黄斑裂孔等12种眼底异常方面的准确率表现稳定。

具体而言，CARE系统模型评估指标AUC（平均受试者操作特征曲线下面积）为0.968。而不同地区的医生在眼底病变判断的表现上具有较大差异（糖尿病视网膜病变的识别灵敏度范围为0.610-0.911，病理性近视眼底病变为0.500-0.929）。

近五年来，人工智能模型在实验研究中对识别糖尿病视网膜病变（DR）、年龄相关性黄斑变性等眼底疾病的表现良好。目前，医学人工智能逐渐从实验室研究转向临床应用研究阶段。然而，已报道的眼底疾病智能诊断模型仍存在诸多问题，包括模型的训练数据不具代表性和模型运行过于依赖网络连接等，导致模型在临床应用容易出现眼底图片难以识别、模型准确性骤降和效率低下等现象，严重限制了其在临床真实环境中的应用效果。

CARE的真实世界验证在全国28个省市的35家医疗机构的真实临床场景中进行，包括8家三级医院、6家社区医院和21家健康管理中心。患者进行眼底图像拍摄后，CARE可即时生成眼底病变筛查的结果报告，患者的筛查结果由具有执业资格的眼科医师最终确认。

人工智能软件存在局限性

此外，CARE的单卷积神经网络结构消耗更少的计算资源，在普通家用电脑就可以离线运行，减少对连接服务器网络的依赖，适用于医疗资源稀缺和网络条件差的老少边穷地区的眼底疾病筛查。研究团队已经获得系列技术专利且获得国家药品监督管理局颁发的第一个眼科人工智能软件Ⅲ类医疗器械产品注册证。

中国研究型医院学会眼科学与视觉科学专委会主委孙兴怀教授对第一财经记者表示：“医学成像中人工智能算法正在实现爆炸式增长，人工智能在眼底病筛查上具有很大潜力。这项最新的研究表明，相较于没有经验的医生而言，人工智能明显胜出，它可以提高效率，节省人力，永不疲倦。”

但孙兴怀强调，人工智能的意义在于辅助医生，而不是替代医生，因此主要适用于医疗人员技术力量薄弱的基层，以及内分泌科医生无法识别的糖尿病性眼底病变等方面。

他同时指出目前人工智能眼底疾病筛查软件面临的挑战。“人工智能靠大量的前期病例图片输入进行识别，因此也面临局限性，因为临床上疾病是千变万化的，以前没有输入过的，它是识别不了的。”孙兴怀对第一财经记者表示，“有些疾病不只是表现在眼底，还要结合眼部其他的改变来综合分析判断。人工智能只能给出一个倾向性判断，最终还是要有经验的医生综合分析来决定。”

孙兴怀还指出了目前真实世界研究中基于二维的眼底图像训练的人工智能模型的局限性。“眼底照片有一个缺点，因为它只是一个平面，也就是说只有表面观察到的信息，只能显示出眼底异常，而不会对异常的急迫性作出评价，也就是不会告诉医生是否需要马上治疗。”孙兴怀解释称。

为了观察到视网膜组织的内部结构，中国研究型医院学会已经与平安智慧医疗以及美国第三方公司合作开发了一种基于光学相干断层扫描技术（OCT）的人工智能筛查软件。

“OCT 扫描类似于活体显微镜，能够深入到视网膜组织内。眼底照片就是看图识字，只能观察到表面现象。”孙兴怀对第一财经记者说道。他还表示，目前平安智慧医疗已经对该软件进行商业化，未来还将完善视神经疾病方面的筛查功能。