广州讯 2月23日，广州市妇女儿童医疗中心科研团队一项“基于深度学习开发出一个能诊断眼病和肺炎两大类疾病的AI系统”的研发成果在世界顶级学术期刊《细胞》以封面文章的形式发表。据介绍，该人工智能（AI）系统能基于“光学相干断层成像（OCT）”数据实现黄斑变性和糖尿病视网膜黄斑水肿两种常见视网膜疾病的识别和严重性定量评估，也能基于患儿胸部X线片数据实现儿童肺炎病原学类型的差异性分析和快速准确判定，且准确率达90%以上。
在眼科治疗中，OCT成像技术是最常使用的诊断技术之一。通过获取视网膜组织的高分辨率图像，医生能够精准地对眼病作出诊断，而AI技术在大数据领域与运算速度上具备极大优势，它可以把全球病例汇集成一个庞大的数据库，只要几秒的时间就能调取并检索关键数据。因此，如果使用AI技术来识别和处理这些OCT图片，诊断效率甚至诊断准确度将会极大的提高。
该研究团队搭建好一个基于OCT影像学大数据和深度学习算法的人工智能系统，并让其“学习”了超过20万病例的OCT图像资料后，经检测，该系统诊断黄斑变性、黄斑水肿的准确性达到96.6%，灵敏性达到97.8%，特异性达到97.4%。并且，其诊断结果与5名眼科医生的诊断结果对比，确认该人工智能系统可以达到训练有素的眼科医生的水平。
传统的AI系统使用的多为深度学习模型，需要数十万张高质量标注的图像才能训练出一个准确的AI疾病诊断系统，这极大地限制了AI系统在临床中的应用。为了解决这一难题，该研究团队开发了“迁移学习算法”，把已训练好的模型参数迁移到新的模型来帮助新模型训练，让AI系统“举一反三”。
为了验证其效果，研究团队在之前眼疾训练后的AI系统基础上，通过系统训练和迁移学习，构建出了肺炎的AI疾病图像诊断系统。这套AI系统在区分肺炎和健康状态时，准确性达到92.8%，灵敏性达到93.2%，特异性达到90.1%，并且在区分细菌性肺炎和病毒性肺炎上，准确性达到90.7%，灵敏性达到88.6%，特异性达到90.9%。
目前，该AI系统已经在美国和拉丁美洲眼科诊所进行小规模临床试用。
（易灵敏）
栏目：医疗资讯
