北京協(xié)和醫(yī)院眼科主任醫(yī)師陳有信領銜跨機構研究團隊成功開發(fā)了基于超廣角眼底影像(UWF)與深度學習技術的全景式病變識別(WARM)人工智能系統(tǒng),該系統(tǒng)可精準識別25種眼底疾病并智能生成轉診建議,為眼底病篩查與分級診療體系提供新路徑。近日,相關成果發(fā)表在《細胞》子刊《細胞報告醫(yī)學》。

北京協(xié)和醫(yī)院研發(fā)AI系統(tǒng)破解眼底篩查難題-肽度TIMEDOO

眼底是洞察視覺健康的窗口,也是窺探全身健康狀態(tài)的獨特橋梁。眼底病變導致的不可逆性視力損傷已成為全球致盲的主要原因。隨著人口老齡化加劇與疾病譜系復雜化,視網膜專科醫(yī)師的人力資源短缺與地域分布不均問題日益凸顯,制約了眼底疾病“早篩、早診、早治”防控策略的有效實施。

傳統(tǒng)眼底相機僅能捕獲約15%的視網膜區(qū)域,存在顯著的周邊病變漏診風險。超廣角成像技術可拍攝更廣的視網膜區(qū)域,可覆蓋約82%視網膜面積。研究團隊應用的超廣角成像技術,為AI模型訓練提供更為理想的數據基礎。

陳有信團隊聯(lián)合全國26家三級醫(yī)療機構,構建了包含約6萬張UWF圖像的超大規(guī)模高質量數據集,基于原創(chuàng)性跨域協(xié)同學習算法等,開發(fā)出全景式病變識別(WARM)、基準模型對照(BASE)和區(qū)域性能對比(WARM-PPR)三大深度學習模型。

模型可精準識別正常眼底及糖尿病視網膜病變、視網膜脫離等25類眼底疾病,并基于病變特征智能生成分級轉診建議,模擬臨床篩查決策流程。值得注意的是,WARM模型對周邊及彌漫性病變的識別效能顯著優(yōu)于區(qū)域限定型WARM-PPR,彰顯了全視野成像對全面眼底篩查的臨床必要性。

在嚴格的多中心驗證中,WARM展現(xiàn)出良好的篩查效能。與初級眼科醫(yī)師的對比實驗還揭示出,醫(yī)師人工閱片雖具高特異度(0.982),但靈敏度僅為0.583;而WARM模型則實現(xiàn)了靈敏度0.882與特異度0.846的良好平衡。特別是在微小病灶識別與復雜病變判斷方面,WARM模型具有明顯優(yōu)勢,高度契合眼底病的篩查原則。

來源:科技日報