近日，西安电子科技大学(分数线,专业设置)软件学院刘西洋教授团队与中山大学(分数线,专业设置)中山眼科中心林浩添医生团队紧密合作，围绕先天性白内障机器诊断的合作研究成果，接连在《Nature》子刊《Nature Biomedical Engineering》和《Scientific Reports》上发表。IEEE Spectrum以《Ophthalmologists vs. AI: It's a Tie》为题对该研究进行了报道。

　　先天性白内障多在出生前后即已存在，或在儿童期内罹患，在我国发病率为0.05%。虽是一种罕见病，但其危害极大，会导致失明和视力损伤，如果不能及时发现和治疗，患儿很可能面临失去视力的不幸。

　　“我们希望，通过这项研究的应用，让不幸罹患先天性白内障的儿童，尤其是身处偏远地区的患儿，能够享受到眼科优势医疗资源，及时得到准确的诊断，进而进行专业的治疗。”谈及研究的意义，刘西洋教授说。

　　合伙“吃螃蟹”

　　IBM的Watson和谷歌DeepMind的AlphaGo的出现，让人们认识到了人工智能与医疗领域结合的巨大空间。对于很难获得高质量数据的罕见病来说，又是否能够在其筛查和辅助诊断过程中，让人工智能化身医生的“左膀右臂”呢？

　　受到2015年谷歌DeepMind发表于《Nature》的论文《Human-level control through deep reinforcement learning》启发，2015年3月，林浩添医生与刘西洋教授开始进行先天性白内障机器诊断的合作研究。通过提炼医生诊断经验，他们采用眼科影像的预处理和后处理，以及深层卷积神经网络等方法，研发了一个先天性白内障筛查的原型诊疗系统CC-Cruiser，并以云服务的形式辅助医生完成先天性白内障的自动诊断。相关研究成果《一种先天性白内障多医院合作管理的人工智能平台》（an artificial intelligence platform for the multihospital collaborative management of congenital cataracts）于1月30日发表于《Nature》子刊《Nature Biomedical Engineering》。

　　在研究过程中，刘西洋教授团队将深度学习方法与多种传统机器学习方法从多个角度进行了性能对比分析，研究成果《眼科图像的自动诊断方法的性能比较分析》（Comparative analysis of image classification methods for automatic diagnosis of ophthalmic images）于1月31日在《Nature》子刊《Scientific Reports》上发表。

　　“与我们合作的中山眼科中心是国内顶尖级的眼科中心，医生诊疗经验丰富，长期的积累汇集了数量堪称全球最多的先天性白内障患者病例。医生的经验很大程度上物化在病例上，主要是眼睛的各种影像，当然也有结构化的数据。”刘西洋教授介绍说，“我们的研究就是通过将这种优质医生诊疗的经验凝聚到机器里，通过训练样本的形式让计算机进行深度学习，利用我们创建的系统，让更多患者能有机会接受高水准的医疗诊断和治疗。”

　　“克隆”出合格的眼科医生

　　研究中，训练机器诊疗系统CC-Cruiser的图片集采用了来自中国卫生部儿童白内障计划（CCPMOH）例行检查的部分图片所有图片均由两名有经验的眼科医生独立地进行分类和描述，第三名眼科医生对分歧案例提供咨询。

　　完成训练后，CC-Cruiser主要具备三个功能：筛查患有先天性白内障的患者；对患者进行危险评估，评估主要有三个指标：晶状体的不透明面积、深浅和位置；协助眼科医生进行治疗决策。

　　研究对CC-Cruiser的性能进行了5次测试，结果都非常出色。在和人类眼科医生的50例图像比较测试中，三名眼科医生在第3例图片上都犯了错误——误将图片的高光区域诊断为先天性白内障，CC-Cruiser都做出了正确的诊断。在危险评估和辅助决策中，CC-Cruiser表现也不错，对所有需要进行手术的患者都给予了恰当的治疗建议。因此，CC-Cruiser的表现称得上是一名“合格的眼科医生”。

　　刘西洋教授介绍说，在实际应用中，可以通过在基层医院部署红反、裂隙灯与弥散光等专业相机，拍摄并将相关影像数据上传至设立在高资质医院的读图中心，由计算机系统进行筛查。倘若完全由医生人工筛查，工作量大，需要耗费医生大量的时间和精力，导致医生疲劳，影响诊断水平。如果通过24小时连轴转也丝毫不会打哈欠的计算机，“克隆”出众多达到进而超过医生平均水平的人工智能眼科医生来看片，人类医生则只需对结果做出确认，并在遇到疑难病症时进行再次诊断。这样一来，筛查效率和质量将得到大幅提升。

　　“当然，机器学习无法做到像人类那样，面对一种疾病涌现直觉、灵感、顿悟与丰富的联想，对新型病症、疑难杂症的诊断治疗，还有赖于高水平医生的创造性。”刘西洋教授说。

　　对“晶”贴花黄

　　“首先自己要变成半个眼科医生。”2015年合作伊始，刘西洋教授就清楚地认识到，要想让设想真正落地，就不能只是把病例拿来简单套用现有机器学习方法闷头实现。“必须与医生深度融合，具体来说，要通过反复交流，将医生的经验最大可能地‘同声传译’为计算机能够接受的方式，具体到影像预处理和后处理中，体现在病历标注过程中。尤其是预处理和后处理，至关重要”。

　　为此，刘西洋教授让自己的研究生长期在中山眼科中心与医生工作在一起，行思在一起，深入诊疗过程，充分结合医生的先验知识，从医生的角度思考问题，发挥西电团队和医生团队之间沟通的桥梁作用。事实证明，这“招儿”十分有效。

图为刘西洋教授的研究生和医生讨论筛查分级诊断方法

图为刘西洋教授的研究生使用裂隙灯光学设备拍摄图像现场

　　正是通过结合医生的先验知识，刘西洋教授和他的研究生明确了先天性白内障疾病总是发生在晶状体区域，在尝试了很多方法来获得晶状体区域后，他们发现，晶状和虹膜交界线类似于一个圆形，使用传统的计算机方法Canny算子和霍夫变换，可以准确地自动捕获晶状体区域，这样就可以排除掉大量诸如巩膜、眼睑、睫毛等噪声，从而大幅提高实验结果准确性。“对原始图像进行预处理和后处理可以说是我们研究中遇到的难点，为此我们进行了锲而不舍的寻寻觅觅。”刘西洋教授笑道，“不过，做科研就像谈恋爱——爱，就勇往直前 ，‘淋雨一直走’！”

　　针对预处理后的数据，刘西洋教授团队从疾病的三个角度进行了分级，构建模型实现了医生诊断先天性白内障疾病的全过程：筛查，三个不同尺度的危险分级，以及最后的治疗建议。

　　将模型搬上“云”

　　在研究过程中，刘西洋教授团队开发了眼科疾病的信息管理系统，帮助自动搜集患者病历和影像数据，这些数据构成了论文的数据源，同时，医生通过使用信息系统，也会不断搜集新的病历和新的疾病数据，这些也为后续的研究工作提供了数据源泉。“如果信息是在纸上，就会分散、会遗失，无法沉淀下来，没有充分的信息就没法做深度学习。”刘西洋教授说。

　　光“克隆”出“合格医生”还不够。目前，我国罕见病管理比较落后，主要是费用贵，地域比较分散，患者难以享受到专业高质量的护理。我国人口众多，罕见病管理往往存在漏诊、误诊及不当治疗决策等问题，这与一直倡导的“精准治疗”目标相距甚远。为此，刘西洋教授团队开发了一套辅助诊断软件，将训练好的模型搬到了“云”上，用于先天性白内障的医疗服务管理。

　　刘西洋教授团队与林浩添医生一起研发了CC-Cruiser的网站(https://www.cc-cruiser.com/version1)，不同于面向医院的Watson机器人，普通用户也可注册登陆网站，上传自己的眼部图片，网站会当即给出诊断结果，包括：是否有病、面积大小、深浅、位置、治疗建议。经用户同意，其相关信息会被上传保存到数据库中。一旦CC-Cruiser建议患者进行手术，将立即通知CCPMOH的医生进行进一步确认。为了防止误诊和漏诊，每周CCPMOH的医生会检查所有上传的案例。之后，患者可以和医生通过网站提供的电子邮件及电话服务进行沟通，以此确认是否需要进行手术。目前，在林浩添医生的推动下，首个眼科专家级人工智能门诊即将在中山大学眼科中心开启。

图为刘西洋教授

 

　　“我们的研究工作还刚起步，团队目前正在深入开展先天性白内障、角膜炎、胬肉、结膜炎、视网膜病变等多种眼科疾病的诊断、眼科手术并发症预测等研究。”刘西洋教授说话干脆利落，亦如他高卷起的衬衣衣袖，“通过人工智能技术与医生的深度融合，期待我们更多的研究工作能够应用于临床实践。