每個老人幾乎都會跟白内障“打交道”。中華醫學會眼科學分會統計資料顯示，大陸60-89歲人群白内障發病率約80%，90歲以上人群白内障發病率則高達90%以上。
如何利用人工智能技術，實作白内障的早期發現和精準識别，近年來成為國内外眼科專家積極探索的重要課題之一。
近日，在中國人民解放軍總醫院、北京清華長庚醫院、上海市北醫院、愛康集團與北京鷹瞳科技發展股份有限公司(簡稱“鷹瞳Airdoc”)聯合發表的一項研究中，研究人員創新性地研發并驗證了一種抗幹擾白内障自動診斷模型，在充分考慮真實複雜場景應用的前提下，把原始二分類标簽調整為三分類标簽，增加了圖像品質的識别，将模型性能提升了10%左右。研究成果在《 Frontiers in Cell and Developmental Biology》發表。
解放軍總醫院第三醫學中心眼科學部吳星副主任醫師為論文第一作者，解放軍總醫院第二醫學中心健康醫學科曾強教授、解放軍總醫院第三醫學中心眼科學部王大江教授為論文共同通訊作者。
白内障基層早篩難開展
“眼底照片+AI”顯優勢
白内障是全球首位緻盲性眼病。随着人口老齡化程序加快，白内障的發病率及絕對人數逐年升高。
早期診斷、及時手術可以有效治療白内障，改善患者的視力和生活品質。然而，在中低收入國家的基層醫療機構，白内障直至發展到晚期甚至症狀裸眼可見時才能被診斷。
與此同時，大陸眼科醫生僅4.48萬，且存在眼科醫療資源配置設定不均的問題，在現有的三級醫療模式下，難以實作白内障的早期發現、及時轉診、及時治療。
目前，裂隙燈相機圖像由于其光學特征和易讀性而廣泛應用于白内障診斷，但是在偏遠地區使用時仍有其局限性，例如裝置不夠便攜、專業操作人員不足等。相比之下，眼底照片在其效率和可操作性上具有優勢。
随着人工智能技術廣泛應用于疾病診斷，一些研究開始聚焦于利用人工智能技術來進行白内障的自動檢測。其中眼底照片與人工智能技術的結合，被視為在實際應用場景下更為可行的白内障自動檢測方案。
創新提出“三分類标簽”
性能提升約10%
該研究旨在通過應用人工智能技術識别眼底照片，建構快速、無創輔助診斷白内障的算法模型，進而助力白内障的大規模篩查工作。
考慮到在實際應用場景中，由于拍攝人員技巧不足或患者配合不當，常常存在眼底照片品質缺陷問題。同時，這些品質缺陷的照片因具有模糊的成像特征，很容易被誤認為是白内障，這可能會降低白内障模型檢測的性能。
品質缺陷照片容易被誤認為白内障。圖示眼底照片從左至右分别為：圖像品質正常的非白内障、圖像品質較差的非白内障、白内障。
是以，不同于以往研究僅選用品質達标的眼底照片進行模型建構，該研究研發并驗證了一種抗幹擾的眼底圖像白内障人工智能診斷模型。
首先，利用品質識别模型生成與非白内障圖像品質相關的僞标簽，将原始二分類标簽(白内障和非白内障)調整為三分類(白内障、圖像品質正常的非白内障和圖像品質較差的非白内障)，用于指導模型區分白内障和圖像品質較差的非白内障；再根據三分類标簽提出了基于卷積神經網絡的白内障分類模型。
基于卷積神經網絡的白内障分類模型
在内部驗證和外部測試中，該模型表現出穩健的性能，檢測白内障人群的受試者工作特征曲線下面積(AUC)分别為91.84%、91.62%。這表明，研究人員提出的抗幹擾模型可以在圖像品質較差的幹擾下，仍能實作高準确率，有助于大規模白内障篩查。
為了驗證該抗幹擾模型的魯棒性，研究人員還設定了對照實驗，采用原始二分類标簽訓練模型進行性能對比。 研究結果表明，與在原始二分類标簽上訓練的模型相比，該研究的抗幹擾模型性能提高了10%左右。這也就表明，研究人員提出的白内障人工智能診斷模型，在真實應用環境下能夠更加準确地篩查白内障人群。
内部驗證和外部測試結果
在現有醫療模式下，應用人工智能模型輔助診斷白内障是緩解醫療資源匮乏、降低篩查成本的良好政策。該研究提出的抗幹擾眼底圖像白内障智能診斷模型，有助于早期篩查診斷、及時治療白内障，提高患者的視力及生活品質。