最近，一篇最新发表在《美国医学会眼科杂志》（JAMA Ophthalmology）的论文表示AI研究者们新开发的一种算法能够自动检测导致儿童失明症的潜在的病变原因，准确率远高于人类医生。

该项研究能够帮助更多的早产儿预防早产儿视网膜病变（Retinopathy of prematurity, ROP），音乐家史蒂夫王德（Stevie Wonder）失明就是因为这项疾病。

该算法可以通过识别婴儿眼球照片的情况来诊断出是否患有该种疾病的可能，准确率达91%。但同期测试中，由八位医生组成的对照组对同样的眼球照片进行诊断，准确率只有82%。

“在诊断早产儿视网膜病变的领域，训练有素的眼科医生一直非常缺乏，因此相应的护理也很难做到位，即便是在美国也是如此。世界上很多儿童都没有来得及进行诊断，”该项研究的联合领导研究员Michael Chiang解释道。Michael是俄勒冈健康大学（OHSU）医学院临床流行病学和医药信息专业的教授。

“该算法解密了有经验的眼科医生识别早产儿视网膜病变的知识体系，并且形成了数学模型，因此即便是没有这种经验的临床音声也可以借助该模型及时并准确地对婴儿进行诊断，”另一位联合领导研究员Jayashree Kalpathy说到。Kalpathy是哈佛医学院放射学副教授。

导致早产儿视网膜病变的主要原因

早产儿视网膜病变主要是由视网膜周血管异常引起的，视网膜是眼球后部的光敏感元件。这种情况在早产儿身上比较常见，也是全球患儿的患病的主要原因。

美国国家眼科研究所曾发布报告表示美国每年大约有16000名患儿，但是最多只有600名患儿真正到了失明的程度，这种情况也得益于早产儿护理水平的不断提高。

通常来说，诊断该疾病是通过检查婴儿的眼睛。医生一般会使用放大装置照亮婴儿眼球，但是这种方式也可能导致诊断结果比较主观。

人工智能帮助医生诊断病情

人工智能可以让机器像人类一样思考，现在也不断被应用于医疗领域。上个月，美国食品和药物监管局（FDA）同意使用AI设备检测糖尿病造成的眼疾。其他人也尝试开发电脑系统来诊断早产儿视网膜病变，但是还不能达到人类医生的诊断水平。

这次开发的新算法通过深度学习技术模拟人类视觉感知世界的方式，包括识别物体的能力。麻省总医院研究员结合了两种AI模型来开发该算法，俄勒冈健康大学的研究员们则使用多种参考标准来训练该算法。

首先他们使用5000张患儿在看眼科医生时保留的照片来训练算法识别视网膜血管，然后他们训练算法区分健康血管和病变血管，之后他们对比了在样本相同的情况下，算法识别的准确率和人类专家的准确率，并发现该算法的准确率高于一般的人类专家医生。

研究队伍目前在与一家印度公司合作，研究该算法在诊断印度婴儿的早产儿视网膜病变问题上是否能取得和美国的患儿样本一样的结果。同时研究人员目前也在探索该算法是否还能够诊断出视网膜上除了血管之外的其他部位的健康情况。总之他们最终希望让医生能在临床诊断时运用到这项技术。

注：本文由人工智能企业「图普科技」编译自《AI better than most human experts at detecting cause of preemie blindness》。您可以关注图普科技公众号，体验基于深度学习的「图像识别」应用。