視網(wǎng)膜成像測(cè)試為訓(xùn)練和測(cè)試決策支持系統(tǒng)提供了材料。

眼科學(xué)是醫(yī)學(xué)人工智能（artificial intelligence，AI）領(lǐng)域的創(chuàng)新者，對(duì)影像學(xué)的依賴性很強(qiáng)。

盡管患者和醫(yī)療保健專業(yè)人員的機(jī)會(huì)很大，但全面整合AI的困難仍然存在，包括經(jīng)濟(jì)、道德和數(shù)據(jù)隱私問題。

深度學(xué)習(xí)

據(jù)英國倫敦Moorfields眼科醫(yī)院視網(wǎng)膜專家、眼科閱讀中心和人工智能分析中心主任Konstantinos Balaskas博士介紹，人工智能是一個(gè)廣義的術(shù)語。

他說：“近年來，人工智能引起了很多人的興趣，這種人工智能被稱為‘深度學(xué)習(xí)’。這是軟件程序通過處理大量數(shù)據(jù)來學(xué)習(xí)執(zhí)行某些任務(wù)的過程。”

深度學(xué)習(xí)使眼科成為在醫(yī)學(xué)中實(shí)施人工智能領(lǐng)域的先驅(qū)，因?yàn)槲覀兛梢栽絹碓蕉嗟匾蕾嚦上駵y(cè)試來監(jiān)測(cè)患者的病情。

Balaskas指出：“特別是在我感興趣的醫(yī)學(xué)視網(wǎng)膜亞專業(yè)，像光學(xué)相干斷層掃描（OCT）這樣的成像測(cè)試非常頻繁，為訓(xùn)練、測(cè)試和應(yīng)用人工智能決策支持系統(tǒng)提供了素材。”

在視網(wǎng)膜方面，西方世界中一些最常見的視力喪失原因——年齡相關(guān)性黃斑變性（AMD）和糖尿病性視網(wǎng)膜病變（DR）——需要早期發(fā)現(xiàn)、及早治療和定期監(jiān)測(cè)以保護(hù)視力。

Balaskas說，這是人工智能決策支持系統(tǒng)可以幫助改善獲得治療的機(jī)會(huì)，并確保患者獲得最好的臨床效果。

Balaskas 引用了他所在的 Moorfields 眼科醫(yī)院和 Google DeepMind 合作開發(fā)的AI決策支持系統(tǒng)。

他說：“它能夠讀取OCT掃描，解釋其結(jié)果，提供診斷并提出管理建議。”“人工智能顯示出具有前景的另一個(gè)領(lǐng)域是，通過能夠預(yù)測(cè)對(duì)治療的反應(yīng)和在一段時(shí)間內(nèi)的視覺結(jié)果，為患者制定個(gè)性化的治療計(jì)劃。”

支持工具

Balaskas表示：“當(dāng)考慮到AMD 和DR等威脅視力的常見眼病時(shí)，人工智能決策支持工具一旦經(jīng)過驗(yàn)證并獲得監(jiān)管部門的批準(zhǔn)，醫(yī)療設(shè)備就可以幫助改善獲得治療的機(jī)會(huì)。”

“例如，他們可以幫助社區(qū)的衛(wèi)生工作者早期診斷疾病，”他解釋說。在英國，OCT掃描在商業(yè)街的眼鏡店中廣泛使用，人工智能工具對(duì)于幫助他們正確解釋掃描并在早期識(shí)別疾病特別有用。”

同樣，在DR患者中，需要定期篩查和監(jiān)測(cè)，人工智能工具可以顯著提高篩查程序的效率。

Balaskas指出，此類應(yīng)用程序已經(jīng)存在，尤其適用于DR的篩查項(xiàng)目，例如在資源不足的醫(yī)療機(jī)構(gòu)。

“人工智能監(jiān)控應(yīng)用的其他指標(biāo)，如AMD，正處于開發(fā)的高級(jí)階段，但尚未在現(xiàn)實(shí)生活中實(shí)施，”他補(bǔ)充道。

Balaskas指出，將人工智能整合到視網(wǎng)膜診斷和治療中還存在挑戰(zhàn)。

他指出，他個(gè)人對(duì)應(yīng)用科學(xué)感興趣，尤其著眼于開發(fā)醫(yī)療設(shè)備（例如AI決策支持工具）和在臨床實(shí)踐中部署醫(yī)療設(shè)備之間的差距。

“我們需要克服的潛在障礙是，要以一種有意義的方式利用該工具，以改善患者的診療效果，不僅需要測(cè)試和驗(yàn)證，”他說這些包括經(jīng)濟(jì)評(píng)估：這樣一個(gè)自動(dòng)化的決策支持模型將如何影響醫(yī)療系統(tǒng)的財(cái)務(wù)狀況，從而提供良好的性價(jià)比或?qū)崿F(xiàn)成本節(jié)約？”

人為因素

接下來要考慮的因素是人為因素，特別是這些依賴人工智能的醫(yī)療模式如何被患者和醫(yī)務(wù)人員感知和接受。

對(duì)這些技術(shù)的信任程度如何？需要對(duì)患者和公眾進(jìn)行何種程度的信息和教育才能建立對(duì)其使用的信心？此外，還需要考慮支持這些工具的培訓(xùn)和技術(shù)基礎(chǔ)設(shè)施。

Balaskas 指出，道德和數(shù)據(jù)隱私問題以及法學(xué)方面的考慮也很重要。誰負(fù)責(zé)由人工智能算法而不是人類做出的決策？這些工具如何影響醫(yī)療保健專業(yè)人員診斷和治療疾病的方式？

“有一種現(xiàn)象叫做自動(dòng)化偏見，醫(yī)務(wù)人員有時(shí)更傾向于聽從人工智能工具的建議——甚至可能違背他們更好的判斷，”他說。

可解釋性

Balaskas指出了可解釋性問題——在許多情況下，這些AI工具的功能不透明。

他指出：“我們不完全了解具體建議是如何達(dá)成的，無論是診斷還是管理建議，缺乏透明度會(huì)加劇前面提到的醫(yī)療、法律和道德問題?！笨傊覀儼l(fā)現(xiàn)，在人工智能工具能夠以安全的方式應(yīng)用到現(xiàn)實(shí)生活中并改善臨床診療效果之前，還需要克服幾個(gè)障礙。”

此外，Balaskas表示，未來眼科醫(yī)生的生活可能會(huì)發(fā)生變化，但他對(duì)醫(yī)療實(shí)踐中的AI抱有樂觀的看法。

“我們的領(lǐng)域變得越來越復(fù)雜，我們?cè)谠u(píng)估患者時(shí)需要處理來自各種來源的數(shù)據(jù)：來自多種成像方式的數(shù)據(jù)、遺傳數(shù)據(jù)和各種類型的組學(xué)，例如蛋白質(zhì)組學(xué)和新興的眼組學(xué)領(lǐng)域，其中眼科檢查的特征可以提示全身健康問題，”他說。

Balaskas 還指出，來自家庭視覺監(jiān)控設(shè)備的數(shù)據(jù)將變得越來越可用。

然而，Balaskas表示，理解所有這些數(shù)據(jù)以便為每個(gè)患者制定個(gè)性化的治療計(jì)劃可能令人生畏。

“人工智能可以成為一種非常有用的輔助手段，如英國健康教育署委托的人工智能Topol評(píng)論中所述，通過處理高維復(fù)雜數(shù)據(jù)源，為患者和醫(yī)務(wù)人員提供時(shí)間禮物（高效），讓他們有機(jī)會(huì)共同討論和決定最佳治療方案是什么，”他總結(jié)道。

張明明博士摘譯自《Ophthalmology Times》

排版：視普泰驗(yàn)光師培訓(xùn)學(xué)校/視普泰眼視光學(xué)院