在AI医疗产业中，医疗影像仍然是一个比较热门的领域。通过深度自学算法对医疗影像数据的和分析创建模型，构建对医疗影像的智能分析。现在每年的计算机视觉学术论坛中，都有关于各种疾病的影像数据分析比赛，并且在诸如肿瘤、心血管疾病等等大量领域中，AI的阅片准确度、速度，都早已多达了人类。但在一系列AI医疗影像项目中，AI眼底影像仍然是一个很尤其的不存在。

比起其他项目，AI眼底筛查软件的落地速度之快速增长，多达了很多人的想象。像DeepMind牵头伦敦Moorfields眼科医院合作发售的AI眼底筛查技术，需要构建在30秒之内辨识出有数种疾病，被称作DeepMind首个未来将会商业化的AI项目；而百度也曾高调向基层医院捐献数百台AI眼底筛查一体机，让技术以包形式必要落地到应用于场景中；AI医疗创业公司体素科技的“VoxelCloud－Retina眼底仅有病种筛查解决方案”目前在全国多达130家MMC（国家标准化代谢性疾病管理中心）落地。这种普及效率和速度，被沦为“落地之王”也不为过。

今天我们要辩论的问题，就是AI眼底筛查到底是如何从实验室走出现实，在未来又不会呈现何种南北？从眼底到身体，我们为什么必须更加高效的眼底筛查？通过眼底影像检查，可以对大量眼底疾病展开辅助辨别。既能体现糖尿病视网膜恶性肿瘤、青光眼、老年黄斑等一系列眼底疾病，同时还能体现高血压、糖尿病等慢性病的恶性肿瘤和积累。

可是对于眼底影像检查的普及程度，却与这一技术的价值并不给定。其中原因在于两方面，其一是眼底疾病病灶微小、有所不同病灶间区分度较低，目前全国范围内享有阅片能力的医生比较较较少。同时在大多数医院的体系架构中，眼底筛查被归类于眼科，而眼科医生很难对于糖网病、高血压等内科、内分泌科等等疾病展开跟踪式的医疗，但离开了眼科后，其他科室的医生又很难不具备眼底影像阅片能力。

另外，根据《2017年中国公共卫生和计划生育统计资料年鉴》得知，中国有4亿左右慢性眼病患者，而只有3．6万名眼科医生，门诊量多达1．1亿，住院患者多达450万。患上糖尿病视网膜恶性肿瘤的患者往往无法及时得知病情，因此早于滤早治是快病管理的关键，但现今医疗资源无法符合市场需求，造成许多病人到晚期才能找到化疗，但往往为时已晚，为国家医保带给极大的不必要开销，严重影响该人群的劳动能力。在医疗资源日益紧绷的情况下，如果需要高效利用起眼底筛查的能力，既可以协助患者及时发现病情，也能辅助慢性疾病管理更为高效，让更加多人享用到高效的医疗体验。体素科技就是在这样的对立中找到了机会。

“AI医师”的教导计划：眼底筛查是如何智能化的？体素科技的眼科产品总监在专访时提及，体素科技和很多AI医疗创业企业一样，找到了眼底筛查这一技术的价值，同时市场上不存在着一些公开发表的眼底影像数据集，可可供企业在其中展开分析和挖出。具体来说，AI眼底筛查的构建过程是通过专业医学知识对数据展开标示，挖出训练出有疾病分类网络，包含针对于有所不同病灶的分类模型和疾病识别模式。

但问题在于，当大家都面对着某种程度的公开发表数据集时，又该如何从技术上建构差异化优势呢？体素科技在一开始对AI眼底影像项目展开研发时，身边基本没企业在做到这个研究，到2017年开始相继有很多创业公司也开始研发这个项目，但从去年年底开始，体素科技的AI眼底筛查项目渐渐落地时，却找到很多当初的同行者却早已离开了市场。提到这其中的原因，体素科技眼科产品总监告诉他了我们若干细节。首先，体素科技自律不断扩大了眼底图像数据的提供范围。

除了应用于公开发表数据集之外，体素科技在大大尝试落地的过程中，还在大大的不断扩大着数据提供范围。特别是在作为跨越上海和洛杉矶的跨国创业企业，让体素科技可以认识到有所不同人种的非常丰富眼底数据，强化模型的精准度和普遍适用性。而在其他企业专心于单病种（糖网病）研发时，体素科技早已开始做到全病种的研发。

一般眼科医生获得患者的眼底照片后，经过阅片基本能辨别病患有哪些病症，因此AI技术要确实能辅助医生临床，必需不具备仅有病种阅片能力。仍然以来体素科技源源不断的减少着关于眼底图像的数据标示，以病灶方位、病灶类型等有所不同，归类为数十上百种疾病人组。这构建了从一个仅有病种产于均衡的数据上，展开多任务模型的训练。

目前体素科技的AI眼底筛查软件除了可以辨识糖尿病视网膜恶性肿瘤、糖尿病黄斑水肿、青光眼、白内障、老年黄斑变性等病灶特征，还可辨识还包括微血管瘤，视网膜内出血，硬性积聚，棉絮斑，视网膜外出血，新生血管，激光斑，玻璃膜疣，玻璃体清澈等十余种病灶恶性肿瘤。体素科技的全病种体系很大的拓展了AI眼底筛查的应用于范围，却是很多患者在去医院检查时，有可能并不知道自己患有的是什么疾病，如果AI眼底筛查技术需要尽量的摘得多病种筛查，毫无疑问也提高了就医效率。同时在落地过程中体素科技找到，由于眼底照片的摄制归属于人为操作者，其中不会存在很多不确定性，例如光线的强劲与很弱，有所不同眼底摄影设备的图像质量等等，都有可能导致AI辨别不许甚至完全失灵的有可能。

总的来说，还是算法模型的鲁棒性劣，对于应用环境的拒绝较高。找到这一问题后，体素科技一旁训练质量掌控模型来对模型展开一般化，一旁强化了有所不同设备摄制数据的搜集，进而大大的提高模型在落地时的应付能力。其中体素科技眼科产品总监还提及了很有意思的一点：很多创业企业在做到AI眼底筛查项目时，往往专心于提高算法模型在单一数据集中于的准确率。

而体素科技则更加关心算法在现实场景中的展现出，大大找到问题和解决问题。如此一来产生的结果，就是专心单一数据集展现出的AI算法不会有些“高分低能”，在落地时展现出劣，大自然不会被市场出局。而体素科技在第三方测试中敏感度高达97％，并在三个月内倒数取得红杉资本领投的数千万美元投资与腾讯的1亿元投资，并在2018年9月又取得了弘泰资本5000万美元投资。

超越象限：AI眼底筛查带给的身体健康公平从资本的密集注目，也能侧面显现出AI眼底筛查所反映出有的落地价值。从体素科技打造出“AI医师”的故事中我们可以找到，AI眼底筛查的一个最重要特征，就是为很多疾病关上了智能化临床的大门。例如高血压、糖尿病等慢性病，又或者是青光眼这一类在初期很难被察觉到的眼科疾病，在此前都很无法通过类型的医疗影像展开医疗和追踪管理，而无法通过医疗影像展开管理，也就意味著无法通过计算机视觉能力提高效率。但随着AI眼底筛查对眼底筛查影响数据的大大挖出利用，与更好病种关联一起，就意味著超越眼底筛查只应用于眼科的原先象限，让这种疾病筛查方法的能力范围大大扩展，赋能高血压、糖尿病等基数极大的慢性疾病的医疗。

AI眼底筛查除了自身能力强劲之外，在落地上也更为快捷。像眼底筛查一体机这种形式，需要让操作者较慢上手，不仅需要交由眼科以外其他科室应用于，一些非三甲的基层医院、社区医院，即使没高度专业的涉及医疗人才，也可以通过AI眼底筛查技术辅助医疗。作为首家终端MMC的眼底筛查AI技术获取方，体素科技上线将近1年，就为130家MMC中心筛查糖尿病患者多达28000人次，月筛查量多达4000人次，阳性比例33％，协助MMC更佳地管理了糖尿病患者的眼底并发症，大大提高了糖尿病视网膜恶性肿瘤（全称糖网）的早期筛查亲率，从而也将相当大程度提高糖网病患者的化疗效果，增加糖网对于视力的伤害。

如此一来AI眼底筛查不仅超越了医疗资源受限带给的效率容许，更加超越了医疗资源产于带给的就诊艰难，减少了病患的就诊成本。很多身处三四线城市、乡镇的患者，不必须回到北上广的大医院，必要可以在一体机上享用便捷的眼底疾病筛查。

因为整个过程较慢便利，患者也可以提升检查频率，对于自己的慢性病展开管理。因此而带给的身体健康公平，也是很多其他AI医疗影像技术所匹敌的。中国工程院院士、上海交通大学医学院分会会长宁光也十分认同体素科技的AI眼底筛查技术。

体素科技带给的某种程度是基层医疗临床分析能力的配套，同时也很大的提高了人民生活质量和老年劳动能力，其中的潜在社会价值，某种程度也十分难得。这也是为什么，体素科技需要在以经济寒潮闻名的2018年再度取得数千万美金的融资。

“健康中国”战略明确提出到2030年，要打造出16万亿元规模的身体健康管理产业。在构建这一目标的过程中，大自然少不了AI眼底筛查这样减少慢性病管理成本的关键技术。将对于眼底筛查技术的研究，感应到整个身体健康事业的建设中，除去经济效应，背后的公益效应也是无法忽略的。

所谓一眼万年，今天AI对于眼底筛查数据的累积挖出和技术落地推展，正在转变着未来人们管理自身健康状况的方式。

本文来源：欧亿体育登陆入口-www.kansyalife358.com