在AI醫療產業中，醫療影像一直是一個相對熱門的領域。通過深度學習算法對醫療影像數據的和分析建立模型，實現對醫療影像的智能分析。現在每年的計算機視覺學術論壇中，都有關于各種疾病的影像數據分析比賽，并且在諸如腫瘤、心血管疾病等等大量領域中，AI的閱片準確度、速度，都已經超過了人類。

　　但在一系列AI醫療影像項目中，AI眼底影像一直是一個很特別的存在。相比其他項目，AI眼底篩查軟件的落地速度之迅猛，超過了很多人的想象。像DeepMind聯合倫敦Moorfields眼科醫院合作推出的AI眼底篩查技術，能夠實現在30秒之內識別出數種疾病，被稱作DeepMind首個有望商業化的AI項目；而百度也曾高調向基層醫院捐贈數百臺AI眼底篩查一體機，讓技術以打包形式直接落地到應用場景中；AI醫療創業公司體素科技的“VoxelCloud-Retina眼底全病種篩查解決方案”目前在全國超過130家MMC（國家標準化代謝性疾病管理中心）     落地。這種普及效率和速度，被成為“落地之王”也不為過。

　　今天我們要討論的問題，就是AI眼底篩查究竟是如何從實驗室走進現實，在未來又會呈現出何種走向？

　　從眼底到身體，

　　我們為什么需要更高效的眼底篩查？

　　通過眼底影像檢查，可以對大量眼底疾病進行輔助判斷。既能反映糖尿病視網膜病變、青光眼、老年黃斑等一系列眼底疾病，同時還能反映高血壓、糖尿病等慢性病的病變和累積。

　　可是對于眼底影像檢查的普及程度，卻與這一技術的價值并不匹配。

　　其中原因在于兩方面，其一是眼底疾病病灶微小、不同病灶間區分度低，目前全國范圍內擁有閱片能力的醫生相對較少。同時在大多數醫院的體系架構中，眼底篩查被歸類于眼科，而眼科醫生很難對于糖網病、高血壓等內科、內分泌科等等疾病進行追蹤式的診療，但離開眼科后，其他科室的醫生又很難具備眼底影像閱片能力。

　　另外，根據《2017年中國衛生和計劃生育統計年鑒》獲悉，中國有4億左右慢性眼病患者，而只有3.6萬名眼科醫生，門診量超過1.1億，住院患者超過450萬。患有糖尿病視網膜病變的患者往往無法及時獲知病情，因此早篩早治是慢病管理的關鍵，但現今醫療資源無法滿足需求，導致許多病人到晚期才能發現治療，但往往為時已晚，為國家醫保帶來巨大的不必要負擔，嚴重影響該人群的勞動能力。

　　在醫療資源日益緊張的情況下，如果能夠高效利用起眼底篩查的能力，既可以幫助患者及時發現病情，也能輔助慢性疾病管理更加高效，讓更多人享受到高效的醫療體驗。

　　體素科技就是在這樣的矛盾中發現了機會。

　　“AI醫師”的養成計劃：

　　眼底篩查是如何智能化的？

　　體素科技的眼科產品總監在采訪時提到，體素科技和很多AI醫療創業企業一樣，發現了眼底篩查這一技術的價值，同時市場上存在著一些公開的眼底影像數據集，可供企業在其中進行分析和挖掘。

　　具體來說，AI眼底篩查的實現過程是通過專業醫學知識對數據進行標注，挖掘訓練出疾病分類網絡，構成針對于不同病灶的分類模型和疾病識別模式。但問題在于，當大家都面對著同樣的公開數據集時，又該如何從技術上構建差異化優勢呢？

　　體素科技在一開始對AI眼底影像項目進行研發時，身邊基本沒有企業在做這個研究，到2017年開始陸續有很多創業公司也開始研發這個項目，但從去年年底開始，體素科技的AI眼底篩查項目逐漸落地時，卻發現很多當初的同行者卻已經離開市場。

　　提及這其中的原因，體素科技眼科產品總監告訴了我們若干細節。

　　首先，體素科技自主擴大了眼底圖像數據的獲取范圍。除了應用公開數據集之外，體素科技在不斷嘗試落地的過程中，還在不斷的擴大著數據獲取范圍。尤其作為橫跨上海和洛杉磯的跨國創業企業，讓體素科技可以接觸到不同人種的豐富眼底數據，增強模型的精準度和廣泛適用性。

　　而在其他企業專注于單病種（糖網病）研發時，體素科技已經開始做全病種的研發。一般眼科醫生拿到患者的眼底照片后，經過閱片基本能判斷病患有哪些病癥，因此AI技術要真正能輔助醫生臨床，必須具備全病種閱片能力。一直以來體素科技源源不斷的增加著關于眼底圖像的數據標注，以病灶位置、病灶類型等不同，歸類為數十上百種疾病組合。這實現了從一個全病種分布平衡的數據上，進行多任務模型的訓練。目前體素科技的AI眼底篩查軟件除了可以識別糖尿病視網膜病變、糖尿病黃斑水腫、青光眼、白內障、老年黃斑變性等病灶特征，還可識別包括微血管瘤，視網膜內出血，硬性滲出， 棉絮斑，視網膜外出血，新生血管，激光斑，玻璃膜疣，玻璃體混濁等十余種病灶病變。體素科技的全病種體系極大的擴展了AI眼底篩查的應用范圍，畢竟很多患者在去醫院檢查時，可能并不知道自己患有的是什么疾病，如果AI眼底篩查技術能夠盡可能的包攬多病種篩查，無疑也提升了就診效率。

　　同時在落地過程中體素科技發現，由于眼底照片的拍攝屬于人為操作，其中會存有很多不確定性，例如光線的強與弱，不同眼底照相設備的圖像質量等等，都有可能造成AI判斷不準甚至徹底失靈的可能。總的來說，還是算法模型的魯棒性差，對于應用環境的要求較高。發現這一問題后，體素科技一邊訓練質量控制模型來對模型進行泛化，一邊加強了不同設備拍攝數據的收集，進而不斷的提升模型在落地時的應對能力。

　　其中體素科技眼科產品總監還提到了很有趣的一點：很多創業企業在做AI眼底篩查項目時，往往專注于提升算法模型在單一數據集中的準確率。而體素科技則更關心算法在現實場景中的表現，不斷發現問題和解決問題。

　　如此一來產生的結果，就是專注單一數據集表現的AI算法會有些“高分低能”，在落地時表現差，自然會被市場淘汰。而體素科技在第三方測試中敏感度高達97%，并在三個月內連續獲得紅杉資本領投的數千萬美元投資與騰訊的 1 億元投資，并在2018年9月又獲得了弘泰資本5000萬美元投資。

　　打破象限：

　　AI眼底篩查帶來的健康公平

　　從資本的密集關注，也能側面看出AI眼底篩查所體現出的落地價值。

　　從體素科技打造“AI醫師”的故事中我們可以發現，AI眼底篩查的一個重要特征，就是為很多疾病打開了智能化診斷的大門。例如高血壓、糖尿病等慢性病，又或者是青光眼這一類在初期很難被察覺到的眼科疾病，在此前都很難以通過類型的醫療影像進行診療和跟蹤管理，而無法通過醫療影像進行管理，也就意味著無法通過計算機視覺能力提升效率。

　　但隨著AI眼底篩查對眼底篩查影響數據的不斷挖掘利用，與更多病種關聯起來，就意味著打破眼底篩查只應用于眼科的原有象限，讓這種疾病篩查方法的能力范圍不斷擴張，賦能高血壓、糖尿病等基數巨大的慢性疾病的診療。

　　AI眼底篩查除了自身能力強大之外，在落地上也更加快捷。像眼底篩查一體機這種形式，能夠讓操作者快速上手，不僅能夠交由眼科以外其他科室應用，一些非三甲的基層醫院、社區醫院，即使沒有高度專業的相關醫療人才，也可以通過AI眼底篩查技術輔助診療。作為首家接入MMC的眼底篩查AI技術提供方，體素科技上線不到1年，就為130家MMC中心篩查糖尿病患者超過28000人次，月篩查量超過4000人次，陽性比例33%，幫助MMC更好地管理了糖尿病患者的眼底并發癥，大大提高了糖尿病視網膜病變（簡稱糖網）的早期篩查率，從而也將很大程度提升糖網病患者的治療效果，減少糖網對于視力的損害。

　　如此一來AI眼底篩查不僅打破了醫療資源有限帶來的效率限制，更打破了醫療資源分布帶來的就醫困難，降低了病患的就醫成本。很多身處三四線城市、鄉鎮的患者，不需要來到北上廣的大醫院，直接可以在一體機上享受便利的眼底疾病篩查。因為整個過程快速便捷，患者也可以提高檢查頻率，對于自己的慢性病進行管理。因此而帶來的健康公平，也是很多其他AI醫療影像技術所企及的。中國工程院院士、上海交通大學醫學院分會會長寧光也非常肯定體素科技的AI眼底篩查技術。體素科技帶來的不僅僅是基層醫療診斷分析能力的擴容，同時也極大的提升了人民生活質量和老年勞動能力，其中的潛在社會價值，同樣也十分可貴。

　　這也是為什么，體素科技能夠在以經濟寒潮著稱的2018年再次獲得數千萬美金的融資。“健康中國”戰略提出到2030年，要打造出16萬億元規模的健康管理產業。在實現這一目標的過程中，自然少不了AI眼底篩查這樣降低慢性病管理成本的關鍵技術。

　　將對于眼底篩查技術的研究，投射到整個健康事業的建設中，除去經濟效應，背后的公益效應也是不能忽視的。所謂一眼萬年，今天AI對于眼底篩查數據的積累挖掘和技術落地推動，正在改變著未來人們管理自身健康狀況的方式。