一代系统实现DR病程精准诊断

• 一代系统实现DR病程精准诊断
  
  
  盛斌从香港中文大学计算机系博士毕业后进入上海交通大学计算机科学与工程系任教。2013年起，在上海交通大学校级医工交叉科研基金的支持下，盛斌团队与上海交大医学院附属第六人民医院贾伟平及李华婷团队开始围绕糖尿病视网膜病变特征的自动提取技术，开展医工交叉协同攻关并产生系列研究成果。
   
  2016年，Google携AlphaGo深度学习系统成功击败国际围棋冠军李世石后，把目标也转移在如何将深度学习系统用于医疗，特别是糖尿病视网膜病变的筛查上。同年，Google团队采用深度学习系统经过大量的糖尿病视网膜病图片数据训练之后，精准诊断出中重度DR，成果发表于《美国医学会杂志》（JAMA）。
   
  国际眼科学领军科学家、时任新加坡国家眼科中心主任的黄天荫（Wong Tien Yin）教授曾向盛斌回忆当时的感受，Google这一成果使得整个眼科学界乃至医学界都为之震动，他本人更是“彻夜难眠”。这一AI技术在当时颠覆了眼科及内分泌医生们的传统认知，仅仅通过一张眼底图像，无需进行任何额外的参数测量和人工定量评估，就能实现DR自动精准诊断。
   
  黄天荫当时认为，Google的研究仍存在局限性，特别是其缺乏多种族的国际验证，也没有考虑到相关眼病的诊断。为此，黄天荫及其新加坡国家眼科中心团队于2017年研制成功新的深度学习系统，率先在多种族多国队列上有效地诊断出DR以及其他相关眼科疾病，成果后发表于《JAMA》。
   
  Google和新加坡国家眼科中心的研究成果更关注中重度糖尿病视网膜病变诊断问题，盛斌认为，相关成果虽然在眼科诊疗中具有重要临床价值，但是在发展中国家，“特别是在中国，糖尿病患者基数大，知晓率低，缺少全面精准且廉价的糖尿病并发症筛查手段，糖尿病视网膜早期病变的筛查和防控对于整个糖尿病人群的早期防控有特殊价值和重要公共卫生意义。”
   
  从公共卫生经济学角度来看，如果能通过眼部影像的AI精准筛查，准确捕获早期到中晚期的糖尿病视网膜病变的患者，就能更有针对性地对糖尿病及其并发症患者群体进行精准防控。另外医学证据表明，如果对早期糖尿病患者进行有效管理，可以实现疾病治愈，但是中重度患者的病情则只能延缓。
   
  为了让人工智能技术对糖尿病视网膜病变实现从早期到中晚期的全病程精准诊断，盛斌团队通过与贾伟平团队的合作研制完成DeepDR系统，提出迁移强化的多任务学习框架，通过对近70万张眼底图片数据进行学习，使DeepDR能够精准区分从轻度到增殖期不同程度的视网膜病变，相关成果2021年发表于《自然》（Nature）子刊《自然-通讯》（Nature Communications）。 
   
  “在中国偏远地区，乃至印度、东南亚和非洲的一些偏远地区，由于眼底摄片设备匮乏、专业摄片人员稀缺、患者筛查依从性差及交通不便等因素，糖尿病视网膜病变的筛查普及率低，且摄片质量难以保证，导致相关病变的筛查和诊断的精准性很差，难以有效实现疾病防控。”盛斌说，2020年Google团队曾发布报告表示其糖尿病视网膜病变AI诊断系统在泰国临床落地应用中表现出强烈的“水土不服”，超五分之一的图像因为清晰度问题被系统拒绝识别，护士们不得不重拍照片，患者也辗转至其他医院就诊，相关AI系统在泰国的11家诊所落地后被排斥。
   
  据盛斌介绍，由于DeepDR具有图像质量分析与实时反馈、病变检测和分级诊断三大功能，使得DeepDR系统不仅在中国实现落地应用，还与IDF（国际糖尿病联盟）合作共同开展“一带一路及全球中低收入国家糖尿病视网膜病变筛查项目”，覆盖40多个国家和地区，为糖尿病全球管理和防控提供中国的人工智能解决方案。