谷歌的人工智能程序:构建检测眼病的更好算法

今天在网上发表的一项新研究推动了人工智能(AI)帮助筛查一种常见糖尿病眼病的能力眼科学美国眼科学会(American Academy of Ophthalmology)杂志。医学博士、博士Lily Peng和她谷歌人工智能研究小组的同事们表示，他们可以通过使用视网膜疾病专家鉴定的一小部分图像来改进他们的疾病检测软件。这些专家的输入被用来提高他们计算机的性能，使其与单个视网膜专家的性能大致相同。

超过2900万美国人患有糖尿病，并处于患病风险中糖尿病性视网膜病变，一个潜在的盲眼疾病。在疾病早期，人们通常不会注意到视力的变化。但随着病情的发展，糖尿病视网膜病变通常会导致视力下降，在许多情况下无法逆转。这就是为什么糖尿病患者每年做一次筛查是如此重要。

在早期的研究中，彭博士和她的团队使用神经网络——用于识别数据模式的复杂数学系统——来识别糖尿病视网膜病变。他们向这些神经网络输入数千张视网膜扫描图，教它们“看到”微小的出血和其他视网膜病变的早期预警信号。彭博士展示了该软件的工作原理与人类专家大致相同。

但是彭博士对开发一种系统很感兴趣，这种系统对她的祖母来说足够好。因此，为了提高软件的准确性，她加入了视网膜专家的输入，专门研究视网膜疾病的眼科专家。

“对于我的奶奶来说，我希望有一个由真正治疗这种疾病的专家组成的小组，坐下来讨论她的病例，给出他们的意见，”彭博士说。“但这真的很昂贵，而且很难做到。那么你要如何建立一个接近这个的算法呢?”

为了弄清楚这是如何做到的，彭博士将原始算法的性能与三名普通眼科医生多数决定或三名视网膜专家一致决定的人工图像分级进行了比较。

糖尿病视网膜病变的分级是一个复杂的过程，需要识别和量化细小的特征，如小动脉瘤和出血。因此，在检查图像以寻找疾病的医生之间可能存在相当大的差异。

视网膜专家分别对图像进行分级，然后共同解决任何分歧。他们的回顾和随后的共识诊断为分级过程提供了相当多的见解，有助于纠正诸如由灰尘斑点引起的人为假象、区分不同类型的出血、为难以做出明确诊断的“灰色区域”创建更精确的定义等错误。在这一过程的最后，视网膜专家表示，在决策过程中使用的精度高于通常在日常临床实践中使用的精度。

利用这些专家分级的图像，彭博士可以对软件进行微调，从而提高模型的性能和对疾病的检测。

“我们相信，这项工作为进一步研究提供了基础，并提高了机器学习应用于医学领域的参考标准，”彭博士说。

---

---