直接前往內容

看見
希望

看看 Google 團隊如何運用 AI 技術,協助醫師預防糖尿病患者失明。

Google 研究員 Varun Gulshan 之前正在尋找一個符合特定條件的專案做為研究目標。

Gulshan 希望該專案能發揮他本身在開發人工智慧 (AI) 演算法的背景,並激發他對科學和醫學的興趣。他更希望專案最終可以幫到家鄉的印度同胞。

我以前就開始不斷思考如何解決更根本的問題。我想運用圖片識別功能打造解決方案,造福整個社會。

Google 研究員 Varun Gulshan

他向 Google Accelerated Science (GAS) 主管 Phil Nelson 發了一封電子郵件,詢問是否有這樣的專案正在進行中。

幾週後,Gulshan 開啟了一個數位硬碟,其中包含印度一家醫院的數百份匿名視網膜掃描。Nelson 認為他找到了適合 Gulshan 的專案,但他必須先釐清:人工智慧模型是否可以學會識別哪些掃描圖像都顯示出一種特定的失明原因 (這種疾病稱為糖尿病視網膜病變)?

「這對我來說就像是一場完美的技能比賽,」Gulshan 說道,對手的經歷是透過人工智慧辨識手勢。「當我看到這些掃描圖像時,想到深度學習技術已可穩定運作,」他說。「我們真的可以用來解決這些問題。」

越來越受關注

印度有 7 千萬名糖尿病患者,糖尿病視網膜病變的問題如今越來越嚴重。這種疾病會在視網膜後方引起病變,最後可能導致患者完全失明;18% 的印度糖尿病患已患有這種疾病。全球有 4.15 億名糖尿病患者面臨失明的風險 (美國、中國和印度的病例最多),這項疾病是全球關注的問題。

印度 7000 萬名糖尿病患者中罹患這項疾病的比例。

但好消息是:永久性失明並非無可避免。對於早期診斷的患者,服藥、治療、運動和健康飲食對於預防視力進一步受損非常有效。

挑戰

防治觀念是糖尿病視網膜病變的大問題。印度清奈 Sankara Nethralaya 眼科醫院的視網膜外科醫師 Rajiv Raman 表示,許多糖尿病患者誤認為這種疾病的早期症狀只是視力出現輕微的問題。因為北印度文中沒有「視網膜」這個詞,光是要談論這種疾病就是一項挑戰。「對於白內障我們有一個詞;對於青光眼,北印度文和泰米爾文中都有一個詞,但糖尿病視網膜病變則完全沒有翻譯詞,」Raman 醫師說。

相片:Rajiv Raman 醫師

Sankara Nethralaya 醫院的視網膜外科醫師 Rajiv Raman

印度清奈

雖然眼科醫師可以說明疾病成因及定期檢查對於監測病情的優點,但真正的困難是如何讓有風險的患者先接受視網膜檢查。對於世界各地的農村社區來說,晚期糖尿病視網膜病變的盛行與基礎設施落後較有關聯,而非醫藥資源不足。從住家出發可能需要長途跋涉才能獲得最近的醫療專家服務,而且要按時多次回診通常非常困難。

「許多農村患者已進入糖尿病視網膜病變的晚期,但他們卻不知道自己罹患了糖尿病」

貧困又有眷屬的患者通常也不可能照顧自己。相反地,他們照常過活,直到糖尿病視網膜病變的影響已嚴重到無法忽視,但這往往為時已晚。「許多農村患者已進入糖尿病視網膜病變的晚期,但他們卻不知道自己罹患了糖尿病,」Sankara Nethralaya 的遠端眼科主任 Sheila John 醫師說。「他們正在失去視力。在某些情況下,他們已有一隻眼睛失明,我們必須保住另一隻眼睛。」

病患在 Sankara Nethralaya 眼科醫院外排隊

病患在 Sankara Nethralaya 眼科醫院外等候

印度清奈

籌組團隊

然而,要診斷糖尿病視網膜病變,最大的挑戰就是病例數量龐大。光是印度就有 7000 萬名糖尿病患者必須進行篩檢,可是卻沒有足夠的合格臨床醫師來檢查他們的視網膜掃描資料。

我們需要在病患視力仍良好時儘早[為病患]進行篩檢

但印度馬杜賴 Aravind 眼科醫院的醫學長 R. Kim 醫師表示,醫療專家根本無法在僅有少數患者居住的農村地區開業。「我們必須在病患的視力仍然很好的時候,儘早篩檢病患的掃描圖像。那該怎麼做呢?」Kim 醫師問。「因為要靠人力篩檢這 7000 萬人是不可能的。」

Florence Thng, Verily 產品經理
Florence Thng
Verily 產品經理
Philip Nelson, Google Accelerated Sciences 總監
Philip Nelson
Google Accelerated Sciences 總監
Peter Wubbels, Verily 工程師
Peter Wubbels
Verily 工程師
Naama Hammel, Google Brain 團隊眼科醫師
Naama Hammel
Google Brain 團隊眼科醫師
Lily Peng, Google Brain 團隊產品經理
Lily Peng
Google Brain 團隊產品經理
Kasumi Widner, Google Brain 團隊計劃經理
Kasumi Widner
Google Brain 團隊計劃經理
Dale Webster, Google Brain 團隊工程師
Dale Webster
Google Brain 團隊工程師
Florence Thng, Verily 產品經理
Florence Thng
Verily 產品經理
Philip Nelson, Google Accelerated Sciences 總監
Philip Nelson
Google Accelerated Sciences 總監
Peter Wubbels, Verily 工程師
Peter Wubbels
Verily 工程師
Naama Hammel, Google Brain 團隊眼科醫師
Naama Hammel
Google Brain 團隊眼科醫師
Lily Peng, Google Brain 團隊產品經理
Lily Peng
Google Brain 團隊產品經理
Kasumi Widner, Google Brain 團隊計劃經理
Kasumi Widner
Google Brain 團隊計劃經理
Dale Webster, Google Brain 團隊工程師
Dale Webster
Google Brain 團隊工程師

如果 Google 的人工智慧可以準確地解讀視網膜掃描,讓糖尿病視網膜病變的診斷變得更容易,就可能拯救數百萬人的視力。

較棘手的部分是建立一個資料集供 AI 模型學習,因為這項任務必須檢視所有掃描檔案,然後根據不同嚴重程度逐一進行評分和標記。要解決這個問題就需要一大批眼科醫師,由他們為掃描檔案評分供 AI 模型學習。

但是,如果希望 AI 模型能真正解讀視網膜掃描的細微差別,團隊需要更多高品質的資料。

教導模型

首先,Aravind 和 Sankara Nethralaya 的眼科醫師協助團隊標記視網膜圖像。短短幾個月後,團隊訓練模型如何識別糖尿病視網膜病變的關鍵標記,例如神經組織損傷、腫脹和出血。有了更大的資料集,Gulshan 確信他們可以使模型更加準確。

這時 Eye Picture Archive Communication System (EyePACS) 的負責人 Jorge Cuadros 醫師出現了。EyePACS 這個遠端醫療網路的用意,是將美國農村地區的患者與眼科醫師建立連結,針對糖尿病視網膜病變的掃描進行診斷。但是經過 EyePACS 診療的患者仍需等待數週才能進行分級掃描,因此 Cuadros 醫師很樂意協助團隊,希望能加快診斷速度。

EyePACS 共享的資料包括各種不同類型的患者,數量是 AI 團隊在當時收集到資料的一百倍。這表示標記的工作量極為龐大,因為每份掃描圖像都必須經過多次評分,以調和不同評分者的偏見。「模型總是能從一直重複做的事情中學習,」Google 軟體工程師 Dale Webster 說,「這往往會產生較無偏見且更有力的成果。」

到目前為止,已有近 100 名眼科醫師為 AI 模型提供了超過 100 萬則評分。

AI 的運作方式

AI 模型的運作方式 (1/4)

由 50 位以上的眼科醫師親自審視超過 100 萬份匿名的視網膜掃描影像資料,然後對每份資料做出糖尿病視網膜病變分級。

AI 模型的運作方式 (1/4)

由 50 位以上的眼科醫師親自審視超過 100 萬份匿名的視網膜掃描影像資料,然後對每份資料做出糖尿病視網膜病變分級。

AI 模型的運作方式 (2/4)

每份掃描檔都會經過多次人工審查,並按等級 1 (沒有糖尿病視網膜病變跡象) 到等級 5 (出現嚴重病變跡象) 評分。

AI 模型的運作方式 (3/4)

接著,經過評分的掃描圖像會匯入影像辨識演算法中。經由提供數千個經過評分的掃描圖像讓演算法學習,演算法就可以像眼科醫生那樣開始瞭解糖尿病視網膜病變的跡象。

AI 模型運作方式 (4/4)

演算法經過訓練後,就可以成為自動視網膜疾病評估 (ARDA) 應用程式的後盾。ARDA 可讓使用者上傳視網膜掃描,以便即時獲得糖尿病視網膜病變分析資訊。

從模型到設備

對於所有團隊成員來說,可以將此模型轉化為實際的自動視網膜疾病評估 (ARDA) 設備,是他們參與這項專案的主因。

這項專案的靈魂人物是另一位 Google 團隊成員 Lily Peng。身為一名受過完整訓練的醫師,Peng 和眼科團隊的其他成員一樣,期待對臨床醫學帶來開創性的實際影響。

「我看到很多遠大的想法、很多願景,對吧?」她問道。「可是為什麼有些想法從未在臨床實踐?」

Google 員工 Lily Peng

Peng 的願景是希望 ARDA 能運用於臨床上,但在那之前必須經過無數試驗和主管機關的核准。為此,這個團隊專注於兩個目標:進行臨床試驗,開始在現實世界中測試 ARDA;以及將結果寫成論文並投稿到《美國醫學協會雜誌》(JAMA)。

「我們想在 JAMA 發表成果,因為 JAMA 是臨床醫學專業期刊,」Nelson 說。「我們不只是想證明團隊有能力實現目標,更希望在醫界廣為宣傳這件事。」

為提升 ARDA 設備的知名度,團隊也向美國食品藥物管理局 (FDA) 報告這項研究工作。在 Nelson 的陪同下,Peng 對人工智慧的優點做了「精湛的演譯」。回顧整個催生 ARDA 的過程,Peng 不只是主要倡導者,也是不同社群之間的翻譯者。

「所有專業領域的語言都難不倒她,」Gulshan 說道,「因此她可以和我們交談,瞭解我們面臨的技術複雜性,同時也明白醫師所說的,進而找出最有影響力的做法。Lily 整合多方意見並轉化為…我們現在可以考慮放進診所的設備。」

新型溫度計

由於 Google 團隊成員都沒有任何實際製作醫療設備的經驗,因此團隊求助於母公司 Alphabet 旗下專注於醫療保健的 Verily,深入瞭解 ARDA 技術必須符合哪些相關法規和臨床要求,才可獲得醫療設備核准。

Verily 獲選參與 FDA 最近公佈的預先認證試行計劃 (數百家申請參與的公司中僅有九家公司雀屏中選),目前正在運用其專業知識協助 ARDA 進入印度的臨床試驗階段。同樣地,Gulshan 也搬回印度協助醫師和護理師使用該設備。

一名眼科醫師在病患的眼睛掃描影像中尋找損傷部位。

詳細檢查

Sankara Nethralaya 醫院的每位病患經過驗光師驗光後,都會由眼科醫師檢查。如果眼科醫師發現他們的眼睛可能受到損傷,就會安排他們接受視網膜掃描。

「獲得主管機關的核准非常重要,」Peng 說,「但更重要的是,與我們合作的臨床醫師對他們所做的事充滿信心,並且喜愛使用這套軟體。因此,這不僅僅是安全性和有效性的問題,而是這是否真的對他們有所幫助。」

在最近的一項臨床試驗中,實驗者透過 ARDA 分析了印度兩家醫院 3000 名糖尿病患者的掃描圖像。他們將分析評分與醫師的評估進行比較之後,證實了 2016 發表於 JAMA 的研究結果:在篩檢患者上,模型與現役醫護人員的表現不分上下。

Rajiv Raman 醫師審視病患的視網膜掃描影像,看看是否有糖尿病視網膜病變跡象。

Rajiv Raman 醫師審視病患的視網膜掃描影像,看看是否有糖尿病視網膜病變跡象。

印度清奈

對於 Cuadros 醫師來說,ARDA 的主要優點顯而易見。他指出美國糖尿病視網膜病變患者的比例正在下降,表示預防性治療確實發揮作用。但由於罹患糖尿病的人數增加,糖尿病視網膜病變患者的總數仍然相同。需要篩檢的人數在增加,在此同時專業治療的需求也保持不變。

眼科醫師因此感到緊張。

Raman 醫師表示:「每天需要我進行篩檢的病患人數多達 3,000 名,光靠我一個人的力量根本辦不到。我勢必得尋求援助,而 ARDA 便成了我的好幫手。」

眼科醫師 Rajiv Raman

在這種情況下,將專業知識納入基礎醫療具有極大的益處。「如果 ARDA 可以導入基礎醫療醫師的診間,這將會帶來巨大的改變,因為可以篩檢更多的患者,」Kim 醫師說。「如此一來,眼科醫師…就可以專心治療視網膜病變患者。」

我從來不知道糖尿病會導致失明。以前我常騎自行車來去自如,直到有一天我發現左眼的視力開始變得模糊。八個月後,我的左眼完全失明了。

病患 Elumalai

事實上,Raman 醫師想像的是像溫度計一樣常見的設備,甚至是血糖計這種糖尿病患者早已用來監測血糖的診斷工具。「我的工作不是篩檢糖尿病視網膜病變,」他說。「我的工作是做雷射手術、注射及實際開刀來協助病患減緩失明情況。」

但無論診斷的載體如何,所有人都認為防治觀念是健康的關鍵。的確,取得糖尿病視網膜病變診斷可以帶來更好的結果。「如果你在不需要治療的早期就發現了視網膜疾病,」Cuadros 醫師說,「患者仍然有機會瞭解糖尿病已經開始影響他們的身體運作,而這或許會激勵他們更努力控制血糖。」

病患 Mythili

Mythili 是 Rajiv Raman 醫師的病患。她罹患糖尿病已有 19 年,5 年前發現了糖尿病視網膜病變。她很清楚自己的視力可能會受到糖尿病影響,因此定期檢查眼睛。

診斷進展

目前已有更多研究正在進行中,包括在印度展開的臨床試驗 (初次篩檢會在這個層級執行)。除了診斷糖尿病視網膜病變之外,Google 和 Verily 團隊對這項技術的應用可能性抱持樂觀態度。「自從發表 [JAMA 文章] 以來,我們已取得更大的進展,」Nelson 說。「我們最近在《Nature Biomedical Engineering》發表了一篇論文,說明我們如何從視網膜圖像中預測幾種心血管健康風險因素,還可以預測發生重大心血管事件的風險。」

總有一天,診斷重病會像量體溫或檢查血壓一樣容易。不過短期內,人工智慧演算法即可協助醫師快速發現糖尿病視網膜病變,進而保住數百萬糖尿病患者的視力。

相關報導

一位父親利用 YouTube 為女兒製作更合適的義眼

一位父親利用 YouTube 為女兒製作更合適的義眼

如何在發生緊急事件時利用智慧型手機保命

如何在發生緊急事件時利用智慧型手機保命

看看這位女性如何運用機車、血庫和 Google 地圖拯救生命

看看這位女性如何運用機車、血庫和 Google 地圖拯救生命

認識運用機器學習技術拯救全球蜜蜂的團隊

認識運用機器學習技術拯救全球蜜蜂的團隊

腳踏車幫助失智症患者成功記起往日時光

腳踏車幫助失智症患者成功記起往日時光

一位父親利用 YouTube 為女兒製作更合適的義眼

一位父親利用 YouTube 為女兒製作更合適的義眼

如何在發生緊急事件時利用智慧型手機保命

如何在發生緊急事件時利用智慧型手機保命

看看這位女性如何運用機車、血庫和 Google 地圖拯救生命

看看這位女性如何運用機車、血庫和 Google 地圖拯救生命

認識運用機器學習技術拯救全球蜜蜂的團隊

認識運用機器學習技術拯救全球蜜蜂的團隊

腳踏車幫助失智症患者成功記起往日時光

腳踏車幫助失智症患者成功記起往日時光

一位父親利用 YouTube 為女兒製作更合適的義眼

一位父親利用 YouTube 為女兒製作更合適的義眼

如何在發生緊急事件時利用智慧型手機保命

如何在發生緊急事件時利用智慧型手機保命

看看這位女性如何運用機車、血庫和 Google 地圖拯救生命

看看這位女性如何運用機車、血庫和 Google 地圖拯救生命

認識運用機器學習技術拯救全球蜜蜂的團隊

認識運用機器學習技術拯救全球蜜蜂的團隊

腳踏車幫助失智症患者成功記起往日時光

腳踏車幫助失智症患者成功記起往日時光

返回頁首