见证
潜能
潜能
Google 的团队如何利用 AI 协助医生预防糖尿病患者失明。
Google 科研人员 Varun Gulshan 一直在寻找能够满足部分标准的项目。
这样的项目应该可以利用 Gulshan 的工作经验开发人工智能 (AI) 算法，并激发他对科学和医学的兴趣，理想情况下，还能够帮助到 Gulshan 的印度同胞。
他向 Google Accelerated Science (GAS) 的主管 Phil Nelson 发送了一封电子邮件，询问是否正在开展这样一个项目。
几周后，Gulshan 打开了一个数字云端硬盘，其中包含印度一家医院的数百张匿名视网膜扫描图。Nelson 认为他为 Gulshan 找到了合适的项目，但首先他需要知道：人工智模型能否学会识别哪些图像显示出了特定原因导致失明的症状（即一种称为糖尿病视网膜病变的疾病）？
“对我来说，这就像是一场完美的技能组合，”Gulshan 说道，他拥有使用 AI 识别手势的工作经验。“当我看到这些图像时，我就能看出来，深度学习的效果非常不错，”他说道，“我们真的可以利用这项技术解决这些问题。”
越来越受关注
印度有 7000 万名糖尿病患者，糖尿病视网膜病变问题日益严重。这种疾病会在视网膜后端产生病变，导致完全失明，印度有 18% 的糖尿病患者已出现这一病变。全球有 4.15 亿糖尿病患者面临着失明风险（美国、中国和印度的病例最多），糖尿病已引起全球关注。
：印度 7000 万名糖尿病患者中患有这种疾病的比例。
但好消息是，永久性失明是可以避免的。对于那些在早期确诊的患者来说，药物、治疗、锻炼和健康饮食等手段都可以有效预防进一步损伤。
面临的挑战
防治观念是糖尿病视网膜病变的一大问题。据印度金奈 Sankara Nethralaya 眼科医院的视网膜外科医生 Rajiv Raman 说，许多糖尿病患者认为糖尿病的早期症状只是轻微的视力问题。由于北印度语中没有“视网膜”这个词，光是解释这种疾病都是一大挑战。“对于白内障一词，我们有对应的字词；对于青光眼，北印度语和泰米尔语中也有对应的字词，但对于糖尿病视网膜病变一词则完全没有对应的字词，”Raman 医生说道。
Sankara Nethralaya 医院的视网膜外科医生 Rajiv Raman
印度金奈
虽然眼科医生可以说明疾病成因以及如何通过定期检查监测疾病发展，但真正的困难在于如何让有风险的患者先接受视网膜检查。在世界各地的乡村地区，晚期糖尿病视网膜病变的高发与基础设施落后（而非药物资源不足）关系密切。即使是去最近的医院也可能需要长途跋涉，而且要按时多次复诊通常非常困难。
“很多乡村患者已进入糖尿病视网膜病变的晚期，但他们却不知道自己得了糖尿病”
此外，有家属的贫困患者通常无法同时照顾自己。他们反而会继续撑下去，直到糖尿病视网膜病变的影响严重到无法忽视的地步，但那时往往为时已晚。“很多乡村患者已进入糖尿病视网膜病变的晚期，但他们却不知道自己得了糖尿病，”Sankara Nethralaya 的远程眼科主任 Sheila John 医生说，“他们的视力逐渐丧失。一些患者的一只眼睛已经失明，我们必须帮助他们保住另一只眼睛。”
在 Sankara Nethralaya 眼科医院外候诊的患者
印度金奈
组建团队
然而，诊断糖尿病视网膜病变的最大挑战是病例数量庞大。仅印度就有 7000 万名糖尿病患者需要接受筛查，然而却没有足够的经过培训的临床医生来检查他们的视网膜扫描图像。
我们需要在 [患者] 视力仍然很好时，尽早对他们进行筛查
但是，印度马杜赖 Aravind 眼科医院的首席医疗官 R. Kim 医生表示，专家在只有少数患者居住的乡村地区开设诊所根本不可行。“我们需要在患者视力正常的早期阶段对他们进行筛查。那么，我们该怎么办呢？”Kim 医生问道，“因为依靠人力筛查这 7000 万名患者是不可能的。”
如果 Google 的人工智能能够通过准确解读视网膜扫描图，协助医生更轻松地诊断糖尿病视网膜病变，就可能挽救数百万患者的视力。
不过，棘手的部分是为 AI 模型创建一个可供学习的数据集。这项任务涉及到对所有扫描图逐一评分并添加标签，以区分不同的严重程度等级。要解决这个问题就需要一大批眼科医生，由他们对扫描图进行评分并将相关信息提供给 AI 模型。
但是，如果该团队要训练 AI 模型识别出用以真正读懂视网膜扫描图的细微差异，还需要更多高质量的数据。
训练模型
最初，Aravind 和 Sankara Nethralaya 的眼科医生帮助该团队对视网膜图片添加标签。在经过短短几个月的训练后，该模型已经可识别出糖尿病视网膜病变的几项关键标记，例如神经组织损伤、肿胀和出血。Gulshan 确信，借助更大型的数据集，他们能够进一步提高模型的准确性。
Jorge Cuadros 医生是眼科图片档案通信系统 ([EyePACS] (https://www.eyepacs.com)) 的负责人，这是一个远程医疗网络，用于为美国乡村地区的患者与眼科医生建立连接，以进行糖尿病视网膜病变扫描。但是，患者接受 [EyePACS] (https://www.eyepacs.com) 检查后仍需等待数周才能进行分级扫描。Cuadros 医生非常乐意帮助团队，希望加快诊断速度。
[EyePACS] (https://www.eyepacs.com) 共享的数据涵盖了各种患者，是 AI 团队当时收集到数据的 100 倍。这意味着需要进行大量添加标签的工作，因为必须对每张图片多次评级，以调和不同评级者的偏差。“模型会学习…它们总能一直一致做到的事情是什么，”Google 软件工程师 Dale Webster 说道，“这往往会产生更加准确和可靠的结果。”
迄今为止，近 100 名眼科医生已经为 AI 模型提供了超过 100 万次分级。
AI 的工作原理
AI 模型的工作原理 (1/4)
50 多名眼科医生手动查看了 100 多万张匿名视网膜扫描图，根据目前的糖尿病视网膜病变级别对每张扫描图进行了评级。
AI 模型的工作原理 (2/4)
每张扫描图都会经过多次人工审核，并按级别 1（没有糖尿病视网膜病变症状）到级别 5（呈现极端症状）分级。
AI 模型的工作原理 (3/4)
然后将经过分级的图片输入到图片识别算法中。通过向算法输入数千张经过分级的图片，该模型即可开始了解糖尿病视网膜病变的症状，就像眼科医生一样。
AI 模型的工作原理 (4/4)
这种算法经过训练后，可用于为名为“视网膜疾病自动评估 (ARDA)”的应用提供支持。借助 ARDA，用户能够上传视网膜扫描图，以便即时进行糖尿病视网膜病变分析。
从模型到设备
对于所有团队成员来说，将此模型落实为视网膜疾病自动评估 (ARDA) 设备的愿望是他们参与的主要主力。
这一想法能否实现的关键在于另一名 Google 团队成员 Lily Peng。与眼科学团队的其他成员一样，Peng 接受过医生培训，她希望产品能够发挥出实际的临床价值。
我看到我们有很多奇思妙想，很多愿景，对吧？”她问道，“但为什么有些想法和愿景从未应用到临床实践呢？
Google 员工 Lily Peng
Peng 希望能够将 ARDA 运用于临床环境，但实现这一目标需要大量试验，同时还要获得监管部门批准。为此，她的团队重点专注于以下两个目标：一是临床试验，在现实环境中测试 ARDA；二是总结实验结果，在《美国医学会杂志》(JAMA) 上发表论文。
“我们之所以选择在 JAMA 上发表，是因为 JAMA 是临床医学领域的专业期刊，”Nelson 说道。“我们不仅想证明自己可以做到这一点，还想和医生共襄盛举。”
要使 ARDA 设备得到认可，他们还要向美国食品药品监督管理局 (FDA) 证明团队工作取得的成果。有了 Nelson 的支持，Peng 可以充分发挥 AI 的优势。在不同社区之间实际运用 ARDA 时，Peng 承担了主要倡导者和译者的角色。
“她会说好几种语言，”Gulshan 说道，“所以她可以与我们交谈，并且理解我们所从事工作的技术复杂性、医生的行话术语以及关乎结果的内容。Peng 引入了这项技术，我们现在已经可以考虑把它投入临床使用。”
新型温度计
Google 团队中无人有开发医疗设备的实际经验，因此他们求助于 Alphabet（亦是 Google 的母公司）旗下的一家医疗保健公司 Verily，力求了解 ARDA 技术作为医疗设备获批需要满足的监管要求和临床需求。
Google 从递交申请的数百家公司中挑选出了 9 家公司，而 Verily 便是其中之一。Verily 获准加入 FDA 最近宣布的预认证试行计划，正在利用其专业知识来协助和指导 ARDA 通过印度的临床试验。Gulshan 也是如此，他回到印度帮助医生和护士使用这种设备。
深入了解
Sankara Nethralaya 医院的每位患者经验光师验光后，都要由眼科医生进行检查。如果眼科医生发现患者的眼睛存在潜在损伤，就会安排他们接受视网膜扫描。
“获得监管部门批准非常重要，”Peng 说道，“但更重要的是，与我们携手合作的临床医生对自己当前的工作充满信心，而且感觉这款软件用起来得心应手。因此，这不仅仅是安全性和有效性的问题；而是这是否真的对他们有所帮助。”
在最近的临床试验中，我们利用 ARDA 对印度两家医院的 3000 名糖尿病患者的检查图像进行了分级。我们将这些分级与医生的评估进行了比较，这证实了 2016 年发表在 JAMA 上的一项研究：该模型的表现与现有医护人员筛查患者的表现不相上下。
Rajiv Raman 医生查看一名患者的视网膜扫描图像，判断是否有糖尿病视网膜病变迹象。
印度金奈
对于 Cuadros 医生来说，ARDA 的主要优势在于简单的数学计算。他指出，美国糖尿病视网膜病变患者的比例在逐渐下降，这表明预防性治疗起到了作用。但由于糖尿病的发病率在升高，糖尿病视网膜病变患者的总体人数仍大体持平。需要接受筛查的患者人数在不断增加，而对治疗专业知识的需求却没有什么变化。
对此，眼科医生也倍感压力。
我每天需要筛查 3000 位患者，这根本无法完成，”Raman 医生说，“所以我必须寻找帮手，ARDA 就是我找到的帮手。
眼科医生 Rajiv Raman
在这种情况下，在初级诊疗中加入专业知识将带来莫大的助益。“如果可以在初级诊疗医师的办公室中使用，ARDA 将发挥很大的作用，因为这样就能够筛查更多患者，”Kim 医生说道，“这样一来，眼科医生可以集中精力专门治疗那些视网膜病变患者。”
事实上，Raman 医生设想了一种像温度计甚至是目前糖尿病患者用来监测血糖的血糖仪一样的普通设备。“我的工作不是筛查糖尿病视网膜病变，”他说道，“而是做激光治疗、注射以及现场手术，来帮助患者减轻失明的痛苦。”
但无论诊断的媒介是什么，大家公认意识是健康的关键。事实上，糖尿病视网膜病变的诊断可以带来更好的整体结果。“如果在无需治疗的早期阶段就检测到视网膜疾病，”Cuadros 医生说道，“患者仍有机会了解到，糖尿病已经开始影响他们的身体了。希望这会激励他们更好地控制自己的血糖。”
诊断进展
更多相关研究已经展开，包括在印度进行的临床试验。首次筛查将在这一层面进行。Google 和 Verily 团队对预测糖尿病视网膜病变之外疾病的可能性持乐观态度。“自发表 [JAMA 文章] 以来，我们取得了更大的进展，”Nelson 说道，“我们最近在《自然-生物医学工程》上发表的论文中提出，通过视网膜图片，我们不仅可以预测几种心血管健康风险因素，还可预测罹患重大心血管疾病的风险。”
总有一天，诊断重大疾病会像量体温或测血压一样简单。而在短期内，AI 算法可以协助医生快速发现糖尿病视网膜病变，数百万糖尿病患者也能够因此而避免失明。
