AI+糖网筛查落地的难题，谷歌、IBM等国外企业是如何做的？
来自世界卫生组织的报告，全球约有4.2亿糖尿病患者，其中三分之一会患上并发症糖尿病视网膜病变，其中10%会导致完全的失明。全球2.6%的盲症可以归咎于糖尿病。
糖尿病致盲的眼睛即便通过手术也无法恢复光明。早期糖网筛查可以预防致盲，而且治疗成本也较低。
但是由于糖尿病属于内分泌科疾病，而视网膜疾病往往在眼科进行眼底拍照检查。以往医生的方式是告知糖尿病患者去眼科进行眼底检查。
但是仍然有超过50%的糖尿病患者并没有进行定期的眼部筛查，错过最佳干预时期而致盲。AI进行糖网初筛可以满足内科的初筛已经后期的随访需求，解决内分泌科眼底照相设备不足及人才缺乏问题。
早在2016年，谷歌这样的公司宣布可以利用人工智能进行糖网病筛查，精准率超过90%，在技术快速迭代的今天，几周前的谷歌Google I/O大会上，CEO Sundar pichai专门回顾了谷歌AI实现的糖网筛查，同时也引出了该项技术在心脑血管疾病检测上的进一步发展。
可见在国外AI落地不仅是一个医学影像识别技术上的突破，更是一个切入医疗领域，打通各个节点的过程。随着技术问题的更新迭代，在AI糖网筛查行业又有哪些新的痛点呢。
为何国外各大公司研发投入多年后，在AI糖网筛查领域还是只有一款产品通过FDA认证，允许其商业化？
AI辅助糖网筛查行业三大痛点
一、糖网筛查AI技术问题。在AI辅助糖网筛查影像识别上需要在敏感度和假阳性之间达到平衡。敏感度高，假阳性结果数量多将导致医生的后续筛查工作量过大。另外医疗对算法的要求也很高。
AI技术必须面对处理自然语言的问题和非结构性数据的问题。IBM的waston系统就曾面临着在医院应用时，医生必须输入有条理的数据，但并不是所有的数据都是有条理的，从而加大了医生负担。
福布斯杂志曾这样写到：“沃森需要几个月时间进行繁重的训练，而专家们需要给该平台饲喂海量条理清楚的数据，以使其能够得出有用的结论。对于沃森系统来说，‘条理清楚’的要求很难达到，因此未经整理过的数据一般都用不上。结果，沃森用户不得不雇佣咨询专家团队，对数据集进行改进整理，既费时又耗钱。”
二、产品认证问题：虽然常常有新科技和产品声称可以解决糖尿病视网膜病变问题，但是目前在国外市场上，通过FDA认证的只有IDx-DR。
三、任何深度学习和大数据都需要大量开放的数据。在医疗领域，数据涉及的隐私安全问题。
人工智能深度学习的数据来源将直接决定结果的好坏。用于糖尿病视网膜病变筛查的图像必须要保证图像质量和分级的正确性，确保其中没有因为机器和数据来源的异同而受到干扰。
糖尿病视网膜病变的种类分为：NPDR(非增殖性糖尿病视网膜病变);PDR(增殖性糖尿病视网膜病变);DME(糖尿病黄斑水肿)；VEGF：血管内皮生长因子；PRP（全视网膜激光光凝）六种，对图像分级的要求非常高。
用AI辅助糖网筛查已经发展了几年，国外各个公司也不断宣布新的进步。从他们的历程上或许可以得出到底是如何解决上诉糖网筛查落地问题的。动脉网对此进行了梳理。
谷歌：技术实现迭代，希望为糖网筛查深度学习领域提供标准
早在2016年，谷歌就宣布能够通过神经网络算法，监测糖尿病视网膜病变，准确度高达90%。
直到今年的谷歌Google I/O大会中，谷歌CEO都一直持续介绍这一技术的发展。今年谷歌Google I/O大会中Sundar pichai宣布，可以通过眼底筛查出心血管疾病。
2017谷歌Google I/O大会中，谷歌CEO·Sundar pichai 在宣布谷歌AI计划之时就表示希望用AI技术造福人类，其中医疗是AI能够转变的最重要的领域。在今年的Google I/O大会中，Sundar picas 介绍了谷歌AI在糖尿病视网膜病变识别上的突破，他进一步指出，对于人类医师，可能会忽略一些的微弱的相关性，谷歌已经实现能够使用筛查糖尿病视网膜病变同样的眼部筛查器来预测患者五年内的心血管疾病风险。
Sundar pichai在谷歌大会上介绍到：“去年，我们宣布了在糖尿病视网膜病变上的筛查的进展，糖网是致盲的主要原因，我们开发了AI技术帮助医生进行糖网的早期筛查，谷歌接下来在多地进行了临床实验，例如在印度的医院，临床实验结果显示非常好，AI技术可以用专家的诊断帮助医疗资源缺乏的地方。”
虽然早在2016有研究证明AI能够为用来帮助实现糖网筛查，但是真正这项技术完善和落地，谷歌进行了很多努力。
谷歌为了提高AI的准确性和可靠性，研究者们使用了来自美国糖尿病视网膜筛查网站和印度眼科医院的128175幅图像，并且每一张图片都依靠三到七名眼科医生或眼科实习生进行分级，确保其中没有因为机器和数据来源的异同而受到干扰。
在今年4月初，在《Ophthalmology》杂志上，谷歌研究人员发现AI的糖网筛查已经能够实现和医学专家平分秋色。谷歌AI的研究人员发现，他们可以通过使用专门研究视网膜疾病的眼科专家调整过的图像来改善他们的AI疾病监测软件。
在2017年第一次测试中，机器学习技术能够识别DR的病例，其灵敏度为90.5%，特异性为91.6%。敏感性是指能够正确识别患有该疾病的人的能力，而特异性是正确识别人没有患病的几率。
然而，使用新的分级图像，这些图像由美国委员会认证的眼科医生和视网膜专家的共同认证，然后再被喂给人工智能，研究者能够提高算法的灵敏度为97%，其特异性提高到92%。
此外，人工智能优于大多数眼科医生的决策，医生们的整体敏感性为84%，特异性为98%。
技术进步后开始输出严密标准，多重商业化之路
谷歌认为人工调整后的图片提高了人工智能准确率。这一工作能够为进一步的研究提供基础，并为深度学习在医学领域的应用提供了参考标准。
在这项研究中，图片同时被算法，美国认证的眼科医生和视网膜专家识别分级，视网膜专家的一致意见被当作训练算法的参考标准。结果显示，谷歌AI算法的准确度略高于眼科专家。
其中不难看出谷歌多年来在技术领域投入后，不仅实现了技术沉淀和进步，已经开始输出行业标准。虽然人工智能领域不乏参与者，但是鲜有公司能够公布严密的测评体系和标准。
无论是临床试验还是学术验证，谷歌AI的都已经证明了其实力，通过糖网筛查这样的具体医疗项目，能够实现其AI落地和商业化。
在FDA审查和认证方面，此前谷歌病理医学影像负责人Lily peng 成表示过FDA的严监管主要是认为新技术或者新设备只是现有医疗成像和处理设备的升级版本，只要公开的功能有充分的证据支持，就能获得FDA批准。
但是谷歌目前还没有进入FDA审批消息。也许谷歌也会选择通过商业化外包的形式为大型医疗设备和制药公司提供外包原型和研发引擎。
这些巨头可以为新发明背后的知识产权和技术支付费用，然后将其商业化专业知识付诸实践，并将其真正推向市场。例如Verily 在2014年将其智能装置授权给了诺华。
IBM：整体解决方案落地更快
在糖网筛查上，IBM同样以深度学习技术辅助糖网筛查。IBM使用基于深度学习、卷积神经网络和视觉分析技术的混合技术，通过来自EyePACs35000多张眼部图像，IBM技术能够被训练来识别微动脉瘤、出血和渗出物病变等，来显示视网膜损伤，并评估疾病的存在和严重程度。
IBM团队的算法能够按照国际临床DR量表识别视网膜图片，识别为5个级别（无DR、轻度、中度、中度、增值性DR）该方法在评估DR上，能在20秒内，做到86%的准确度。表明医生和临床医生可以使用该技术来更好地了解疾病进展情况以及识别有效的治疗方法。
IBM现已经看到实体的项目落地，在洛杉矶卫生部门，利用办公室室内访问、远程医疗和基于网络的筛查软件的混合，洛杉矶卫生部能够极大地扩大其安全网医院的病人数量。
利用IBM的系统能够减少医务人员冗余工作量，筛查等待时间缩减了近90%，糖尿病视网膜病变总筛查率提高了16%，数字计划也消除了近14000次访问专业护理人员的需要。
随着研究的深入，IBM也希望和眼科医生合作，其旗下沃森健康致力于将认知成像引入眼部健康领域。
IDx：首个糖网筛查AI软件获FDA审批，成功经验在于和医生合作
虽然谷歌和IBM在糖网筛查上各有长处，但是两家公司的医疗AI都没有通过FDA的认证。但是目前通过FDA批准的设备只有IDx一家。
FDA在4月批准通过了一项应用于糖网筛查的自助式人工智能诊断设备。同样是应用于糖网筛查，IDx的成功经验或许能给想要实现AI落地的公司一些启示。
通过FDA的声明，FDA主要看好他的医生的合作。而不是谷歌一直同医生比试的路子。
IDx在审批流程上就花了两年，单就和 FDA 在如何评估系统并确保其准确性和安全性方面的沟通，IDx就花了7年。最近FDA也批准通过了一款能够实现自动筛查糖网的AI软件的商业化。
该公司名为IDx,公司理念为通过自动化转变健康理念。筛查糖网产品名为IDx-DR,这是FDA通过的第一个基于人工智能的诊断系统商业化。该产品的特点是能够提供筛查的诊断而无需临床医师的解释。
来自官网的参数显示，IDx-DR在敏感度上达到87%,专业度上达到90%，成像性上达到96%。
IDx最初的设想从20年前就开始了，当时创始人Michael Abramoff博士在荷兰执业眼科医生。
Michael Abramoff博士注意到他花了很多时间在筛查没有糖尿病视网膜病变的患者上，反而让那些有致盲风险的患者拖延了几个月。
此外，IDx-DR在欧洲地区的产品分销上也和IBM Watson 展开合作。FDA设备和放射卫生中心眼科和耳鼻喉装置司司长Malvina Eydelman博士在FDA声明中指出，这项技术在早期发现视网膜病变方面特别有用。
这是目前治疗这种疾病的一大障碍，因为一半的糖尿病患者没有每年看他们的眼科医生。
IDX的颠覆性技术为初级护理医师提供了临床决策的工具。FDA的描述指出，阳性的结果会建议病人寻求“眼科护理专家”。这是一个有趣的发展，因为在人工智能是否会取代医生的辩论中，大部分注意力都集中在放射学领域。
与此不同的是，IDX的测试是为了在初级护理时减少筛查过程，以减少那些想获得眼科专家专业治疗的等待时间。
利用智能手机进行糖网筛查的印度公司致力于解决欠发达地区问题
在糖网筛查国外还有一家出色的公司，通过轻量化的设备和智能手机的结合进行糖网筛查和黄斑性眼病筛查。
Remidio是印度一家致力于在视觉护理中设计和开发智能、创新和颠覆性的成像技术。在今年三月，Remidio宣布可以通过将AI与智能手机结合进行糖尿病视网膜病变筛查。
该研究发表在《Nature Eye》上，来自印度金奈Medras糖尿病研究所的研究人员发现一款名为Fundus on phone的和智能手机结合的AI设备对监测糖尿病视网膜病变有着很高的灵敏度，该软件有95%的敏感性和80%特异性。
该研究的作者写道，使用AI这样的自动化软件和远程医疗可以更快地实时筛选出大量糖尿病患者。
虽然在敏感度和特异性上不如巨头公司，但是Remidio的优势在于利用了智能手机这一便捷的设备。在硬件上利用了便携设备以外，Remidio还配套建立了由知名医院的资深视网膜专家组成读片中心，这些专家能通过远程医疗方案提供实时的照片诊断。
通过其官网的介绍，这家印度公司的眼底筛查方式主要特点为告别了以往笨重、昂贵的设备，而主打便捷性和可移动性和对患者的友好性和相对低价。他们认为像手机这样的消费设备已经引入了很多有趣的技术，医疗设备的功能也变得丰富，但是它们却不一定简单易用。
“鉴于糖尿病患者数量的惊人增加和缺乏视网膜专家照片的培训专家，一种基于眼底图像的计算机分析的自动化方法将减少卫生系统筛查DR的负担。”研究人员写道。“因此，人们对于用深度学习和人工智能神经算法这些技术自动分析糖尿病视网膜图像的研究兴趣也在逐渐增长。
同时来自印度的Remidio也明确表示希望能够通过创新出颠覆性的产品，实现成本控制。从而解决发展中国家医疗中面临的基础设施薄弱和人力资源缺乏。世界上大约有2.85亿视力受损人口，而80%都可以通过早期的筛查避免，其中低收入地区群体占90%。
综上所诉，在糖尿病视网膜病变这一领域，无论是巨头还是创业公司都投入大量成本进入。经过数年发展，成果已经开始落地。
无论是实效还是技术层面上，都推动了糖尿病视网膜病变筛查的进步。医疗落地的临床应用难点以及审批难题等难题也逐渐暴露出来。
从几家公司在糖尿病视网膜筛查交出的成绩单可以看出各个阻碍也在解决当中。技术的更新迭代越来越快，谷歌从宣布糖网筛查到超越人类水平一共用了两年了，而在心血管上技术进步仅仅用了一年。
无论是IBM还是印度的Remidio都是适合地区和国情实际的落地案例。更多的糖尿病视网膜患者和医务人员将受益于技术。
延伸阅读：利用AI解决糖网病筛查领域5大痛点，9家创业企业都看中了这个近百亿的市场
*文中图片来源于：www.mobihealthnews.com/
文|杨雪
微信|hhhh333yyyy
添加时请注明：姓名-公司-职位
后台发送关键词即可获得相关好文
网站、公众号等转载请联系授权
近期推荐
2018基层医疗创新实践峰会
声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。文中出现的采访数据均由受访者提供并确认。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。