百度眼科专病产品临床试验环节再获行业“三多认可”
2022-07-27
注：三多指：多中心临床研究成果/适配多品牌相机/多种眼疾筛查检测近日，百度灵医智惠在国际临床眼科杂志Translational Vision Science & Technology (TVST)发表了百度眼科专病产品——基于人工智能技术的眼底影像分析系统AI-100在多中心的临床研究成果论文《A Multi-center Clinical Study of the Automated Fundus Screening Software》。发表论文简介
图1 百度灵医智惠眼科专病产品的多中心临床研究成果论文已在TVST发表
该项临床研究由中山大学中山眼科中心临床研究中心主任张秀兰教授牵头，有来自不同地域、多个等级的共7家医疗机构参与。该项成果表明百度眼科专病产品AI-100能够基于多个品牌相机采集的眼底图像准确稳定地检测出包含糖尿病视网膜病变、黄斑区病变和青光眼在内的多种主要致盲眼病。超低的筛查时间成本、优秀的算法性能和强大的泛化能力体现了AI-100产品在实际眼科疾病筛查项目中具有超高的应用潜力，可在硬件落后、软实力不足、服务能力有限的基层医疗机构进行规模化部署应用，促进国民眼健康发展。基于人工智能技术的眼底影像分析系统AI-100
图2 基于人工智能技术的眼底影像分析系统AI-100算法模块流程图
基于扎实的眼底影像数据基础，百度灵医智惠整合循证医学可解释算法架构及深度学习高准确率算法构造眼底影像分析系统AI-100。该产品可通过对眼底彩照的分析及早发现糖尿病视网膜病变、青光眼、黄斑区病变等主要致盲疾病，降低致盲风险。糖尿病视网膜病变、青光眼和黄斑病变是当今主要的致盲原因[1]。2020年，患有糖尿病视网膜病变且已威胁到视力的成年患者数量已达2854万，到2045年，这一数字可能会增加到4482万[2]。青光眼方面，2020年全球患病人数约为7600万，2040年预计达到11180万 [3]。对于黄斑病变来说，两种最常见的黄斑病变类型是年龄相关性黄斑病变和近视性黄斑病变。2020年，年龄相关性黄斑病变患病人数约为1.96亿，2040年可增至2.88亿；2015年近视性黄斑病变的患病人数约为1000万，预计2050年将达到5570万[4]。若能及早发现上述眼疾，便可以及时应对，减缓甚至预防视力丧失。近年来，许多研究提出基于人工智能的自动眼底影像分析方法检测糖尿病视网膜病变等各种眼病。自动化的智能阅片工具有潜力成为减轻医生负担、提升患者筛查质量的高效工具。然而，许多眼病筛查产品在临床中并未达到预期效果。学术研究与实际应用存在差距的主要原因是算法验证时使用的数据集与真实世界数据之间有分布差异，如学术研究只聚焦高质量图像、某一种机型图像、某一种眼病的图像等等。百度灵医智惠在TVST上发表的文章聚焦真实眼底筛查场景，通过收集包含多种应用场景下、多种机型采集的、多种眼病的眼底图片构建真实临床试验数据集，实现对眼底筛查产品AI-100进行全面的验证以及分析。基于人工智能技术的眼底影像分析系统AI-100
在多中心的临床研究——研究方法
本研究收集的临床试验数据集相比一般用作学术研究的实验室数据集主要有以下两个优势：
1）收集的眼底图像包含不只一种眼病；
2）收集的图像来自包括中山大学中山眼科中心在内的7家临床中心（详见表1），涉及3种品牌相机（拓普康，新视野，蔡司）。临床中经常出现患者同时患有多种眼病的情况，不同眼病出现的病灶同时呈现在眼底图像中，对于大多数只能检测某一种特定疾病的自动筛查模型来说，这种情况会干扰模型对目标疾病的判断，从而给出错误结论，导致治疗延迟或治疗过度。因此，本研究收集了大量患有几种不同眼病的眼底图像，以验证AI-100产品对上述情况的抗干扰能力和筛查准确性。此外，人工智能算法在应用中还面临一个很大的挑战，即对不同分布数据的适应问题，不同分布可包括图像明暗分布不同、采集机型分布不同、拍摄角度不同、图像覆盖区域不同等等。为了验证AI-100产品对不同分布数据的适应性，本研究从7家不同地域、不同等级的临床中心收集试验数据，以解决实践中不同类型相机图像的颜色、饱和度、清晰度等方面差异带来的问题。综上，本研究构建了更符合真实眼底筛查场景的数据集，以检测和验证产品在多种眼病上的性能，以及是否能够在不同的医院中推广。基于人工智能技术的眼底影像分析系统AI-100
在多中心的临床研究——研究成果
针对基层医院缺乏专业眼科医生的现实，拥有高敏感性的自动筛查系统有望成为早期眼底疾病筛查的重要补充工具。在人口规模大但阳性病例少的基层医院中，高特异性值意味着更少的假阳性，有助于节省宝贵的高水平医疗资源。因此，在上述构建的临床试验数据集上，本研究通过计算筛查结果的敏感性、特异性和AUC值来验证AI-100产品的性能。实验表明，AI-100在糖尿病视网膜病变、黄斑疾病和青光眼的自动筛查敏感性值超过0.85，特异性值也超过0.90，这体现了AI-100在基层医院当中的巨大应用潜力（详见表2）。同时，AI-100在不同品牌相机采集的眼底图像子集上AUC均超过0.94，体现了其强大的泛化能力 （详见表3）。此外，较高的结果一致性和较窄的置信区间表明AI-100对于各种不同的受试群体都是可靠的筛查工具。
[1] Steinmetz, Jaimie D., Rupert RA Bourne, Paul Svitil Briant, Seth R. Flaxman, Hugh RB Taylor, Jost B. Jonas, Amir Aberhe Abdoli, et al. "Causes of blindness and vision impairment in 2020 and trends over 30 years, and prevalence of avoidable blindness in relation to VISION 2020: the Right to Sight: an analysis for the Global Burden of Disease Study." The Lancet Global Health 9, no. 2 (2021): e144-e160.
[2] Teo, Zhen Ling, Yih-Chung Tham, Marco Chak Yan Yu, Miao Li Chee, Tyler Hyungtaek Rim, Ning Cheung, Mukharram M. Bikbov et al. "Global Prevalence of Diabetic Retinopathy and Projection of Burden through 2045: Systematic Review and Meta-analysis." Ophthalmology (2021).
[3] Tham, Yih-Chung, Xiang Li, Tien Y. Wong, Harry A. Quigley, Tin Aung, and Ching-Yu Cheng. "Global prevalence of glaucoma and projections of glaucoma burden through 2040: a systematic review and meta-analysis." Ophthalmology 121, no. 11 (2014): 2081-2090.
[4] Fricke, Timothy R., et al. "Global prevalence of visual impairment associated with myopic macular degeneration and temporal trends from 2000 through 2050: systematic review, meta-analysis, and modelling." British Journal of Ophthalmology 102.7 (2018): 855-862.
