華南理工團隊建立眼科專用AI數據集，累計涵蓋30多種眼疾，推動病理性近視自動篩查工具的面世

“我們研發(fā)出一種智能眼病篩查系統(tǒng)，它集成了基于數據集訓練的 AI 模型和眼底照相機等系列硬件設備，能在完成眼底彩照拍攝后 15 秒內，針對 30 多種疾病給出診斷建議，而這些都基于高質量的訓練數據?！比A南理工大學許言午教授表示。

圖 | 許言午（來源：許言午）?

數據，也是許言午近年來打交道最多的對象。在眼科 AI 領域，糖尿病視網膜和青光眼一直是學者們關注的熱門病種。關于這兩個病種的自動篩查和診斷，此前已經取得了顯著發(fā)展，也有不少醫(yī)用設備落地。

但是，鮮少有人研究病理性近視眼的自動篩查診斷，該疾病是一種不可逆性致盲性眼病[1]。在 40 歲以上的中國人群中，病理性近視眼的患病率大約為 3.1%，年發(fā)病率約為 0.05%。

病種公開數據的匱乏，是該疾病未得到充分研究的重要原因。同時，數據也是醫(yī)療 AI 在發(fā)展中面臨的一大挑戰(zhàn)。醫(yī)療數據的獲取，通常面對隱私、倫理等方面的限制。

不同于其他的 AI 細分領域，由于對專業(yè)知識和對經驗的要求，醫(yī)療數據的標注通常要由專職醫(yī)生完成。

這更加拉高了數據的獲取成本和獲取難度。眼科 AI 領域的研究也是如此，數據缺失成為前行路上最大的一只“攔路虎”。

建立 iChallenge 數據集，讓模型訓練“彈藥”更豐富

幾年前，許言午開始研究眼科 AI，當時眼科圖像分析尚未成為熱門方向，研究者少、論文也少。不過，他有幸獲得一些數據資源，相關成果也獲得了不錯的影響力。

這讓他深刻認識到，如果想推動這個領域的發(fā)展和壯大，必須讓公開數據集更加豐富，只有這樣才能為研究者們提供模型訓練的“彈藥”。而這也正是許言午投身數據集建設的初衷。

后來，他的這個想法得到了中山大學張秀蘭教授這位一線臨床專家的支持。她非常愿意貢獻所在醫(yī)院收集到的數據，和許言午共同推動國內眼科圖像分析領域的發(fā)展。

隨后，許言午和張秀蘭教授一同建立了名為 iChallenge 的數據集，在遵循數據隱私和倫理規(guī)范的前提下，許言午等人每年都會針對眼科圖像數據進行收集、標注和公開。

該團隊為醫(yī)生群體搭建了完善的標注框架和標注流程，同時也為他們提供標注工具，讓醫(yī)生可以在標注工作中充分發(fā)揮專業(yè)知識。

而為了推動病理性近視自動篩查診斷領域的發(fā)展，課題組在 iChallenge 中發(fā)布了 PALM 數據集。

當下，全球范圍內的病理性近視患病率正在不斷增長，在眼疾 AI 自動診斷工具日漸普及的背景下，PALM 數據集的公開非常及時。PALM 數據集累計包含 1200 張和病理性近視相關的眼底彩照。

以往的公開眼科數據集通常只提供患病與否的標簽。而 PALM 數據集除了提供患病與否的標簽之外，還提供了解剖結構和相關病變的標注，具體包括視盤分割、中央凹定位、斑片狀視網膜萎縮和視網膜脫離這兩種病變區(qū)域的分割標注。

這些標注能提供更加豐富的細節(jié)信息，借此提升模型效果，進而更全面地分析疾病模式，最終提供更準確的病理性近視診斷建議。

據了解，所有標注工作均由中山大學中山眼科中心的 7 名眼科醫(yī)生完成，這是一群平均年資在 8 年以上的醫(yī)生群體。另外，一名年資超過 10 年的眼科醫(yī)生負責把控標注質量。

2018 年，iChallenge 數據集發(fā)布了第一個子數據集 REFUGE——1200 張分析青光眼的眼底彩照數據集。

后來，該團隊在醫(yī)學影像頂級期刊 Medical Image Analysis（2022 年 IF 為 10.9）上發(fā)表了關于 REFUGE 的綜述論文，論文題為《REFUGE 挑戰(zhàn):基于眼底彩照自動分析青光眼方法的統(tǒng)一評估框架》（REFUGE Challenge: A unified framework for evaluating automated methods for glaucoma assessment from fundus photographs），許言午和張秀蘭擔任通訊作者。

這篇綜述論文獲得了出乎意料的影響力，此后 Medical Image Analysis 期刊的投稿類別中新增了“Challenge Report”選項，專門用于接受此類算法挑戰(zhàn)比賽的相關論文。

截至目前，這篇論文已入選《基本科學指標》近十年高被引論文。在谷歌學術上的引用次數也已經達到 502 次。

圖 | 相關論文（來源：Medical Image Analysis）

讓數據集“物盡其用”，連續(xù)舉辦八屆比賽引入創(chuàng)新活水

數據集的建設耗時耗力，為了讓數據集真正實現“物盡其用”，許言午開始舉辦 iChallenge 算法挑戰(zhàn)賽，希望通過比賽的形式、競爭的性質，激發(fā)學界和業(yè)界的創(chuàng)新熱情。

同時，他充分利用自己的另外一個身份——醫(yī)學圖像頂級會議 MICCAI（Medical Image Computing and Computer Assisted Intervention Society）OMIA 國際眼科研討會創(chuàng)始主席的“便利”，將數據集的公開、挑戰(zhàn)賽的舉行、以及 OMIA 研討會三者相結合，把數據集和挑戰(zhàn)賽主動帶到眼科 AI 研究者們面前。

事實證明，這兩種數據集的推介方式非常有效。截至 2023 年，這一賽事已經連續(xù)舉辦 8 次，累計超過 5000 支隊伍參加過挑戰(zhàn)賽。參賽者們利用數據集訓練他們的 AI 模型，提出了很多創(chuàng)新解決方案。

在 2021 年舉辦的 GAMMA 挑戰(zhàn)賽中，曾經有一個由醫(yī)學生組成的參賽隊伍，獲得單任務前三名的好成績。醫(yī)學生普遍被認為沒有太多計算機基礎，在算法設計和模型訓練環(huán)節(jié)上似乎不占優(yōu)勢。

但是這組隊伍卻在一眾圖像分析專業(yè)選手中脫穎而出，這讓作為賽事舉辦者的許言午感到非常驚喜，也深深感受到 AI 的普及程度。

他說：“如果人人都能像這些學生一樣，將 AI 和個人專業(yè)領域的知識經驗相結合，必將給個人和團隊帶來額外的競爭優(yōu)勢?！?/span>

在 2023 年舉行的 STAGE 挑戰(zhàn)賽中，有兩支企業(yè)參賽隊伍沖進前三名。STAGE 挑戰(zhàn)賽的難度很高，作為主辦方的許言午等人預計只有具備良好臨床背景的參賽者，才能設計出更具針對性的高性能算法。

出乎意料的是，來自蕪湖明瞳數科公司的兩人團隊 AIFuture Lab、和來自唯智醫(yī)療科技（佛山）有限公司的三人團隊 VisionWise，分別獲得冠軍和季軍。這也是 iChallenge 算法挑戰(zhàn)賽中第一次出現 2 支企業(yè)隊伍獲獎的情況。

這讓許言午感受到企業(yè)愈發(fā)重視產研結合的趨勢。目前，iChallenge 數據集已經成為全球最大的精準標注眼科數據集，截至 2023 年，iChallenge 數據集支撐了 750 余篇學術論文的發(fā)表。一系列挑戰(zhàn)賽也成為全球眼科 AI 研究者們探索、創(chuàng)變和交流的舞臺。

病理性近視自動篩查診斷設備或將面世

總的來說，基于 PALM（iChallenge）數據集訓練的病理性近視自動篩查診斷算法，有望落地一款病理性近視自動篩查診斷設備。

同時，自動篩查診斷設備可以輔助醫(yī)生進行疾病診斷，提升診療效率，實現醫(yī)療資源普惠。

隨著老齡化進程的加速，再加上患者呈現出低齡化趨勢，眼病患者數量正在日漸增長。

其中，許多眼病存在較高的致盲風險，發(fā)現得越晚風險就越大，治療支出也就越高。因此，早期篩查和早期診療具有重要意義。

然而，在基層以及大部分偏遠落后地區(qū)，醫(yī)生患者數量的不匹配，導致無法開展大規(guī)模人群的定時篩查，同時也存在醫(yī)生缺少專業(yè)能力的情況。而引入 AI 自動篩查診斷設備則有望改善這一難題。

已有研究表明[2]，相比人工篩查和非 AI 輔助遠程篩查，AI 輔助遠程篩查眼病的經濟效益最高，有助于更多早期眼病患者的檢出和及時轉診。

通過 AI 自動篩查診斷設備，能夠實現致盲眼病的“早期發(fā)現、早期診斷、早期治療”，從而為患者帶來更多福祉。

隨著人口老齡化程度的增加、以及人們對于眼健康關注度的提升，背后蘊藏著多種眼疾自動篩查診斷的巨大需求。

醫(yī)療數據共享未來方向：多模態(tài)、多地區(qū)、多科室

過去，該課題組公開的數據集以眼結構數據為主，主要涵蓋眼底彩照、AS-OCT 圖像等，這些數據集為眼部結構相關分析提供了基礎。

2023 年 10 月，iChallenge 公開了 400 套分析青光眼的 3D 光學相干斷層成像檢查和視野檢查關鍵指標數據。

其中，視野檢查是眼科檢查的一種，關鍵指標主要包括視野靈敏度、視野平均偏差、視野模式偏差等。

在一些疾病中，比如青光眼、視神經疾患、腦部疾病，患者會出現視野缺損或缺失的情況。

視野檢查數據，則能呈現被檢查者的眼部功能狀態(tài)。結合分析眼結構數據和眼功能相關的數據，人們將能更全面地學習和理解眼部疾病的特征，更深入地挖掘眼部疾病與視野異常的潛在關聯，從而進行更全面、多角度的眼健康評估，也為醫(yī)生提供更為完整的診斷依據。

2023 年公開的視野檢查數據是團隊在開放更多模態(tài)數據方面邁出的第一步。而在 2024 年，iChallenge 數據集會繼續(xù)增加新的子數據集，以及涵蓋更多模態(tài)的數據，同時算法挑戰(zhàn)賽也會隨數據集公開舉行。

眾所周知，醫(yī)療數據在不同地區(qū)呈現明顯的差異。如果想要獲得更加全面的研究成果，從訓練數據開始就需要囊括各個地區(qū)的數據。

因此，未來他們也將嘗試與在東南亞地區(qū)的合作伙伴一起，共同建立該地區(qū)的眼科數據集，為該地區(qū)的研究者填補數據的空白，也希望能借此促進不同地區(qū)間的數據共享與合作，進一步推動全球范圍內眼科醫(yī)學的發(fā)展。

此外，主動健康是現在備受關注的一個方向。許言午將攜手合作者建立更多科室的公開數據集，例如體檢科、心血管科、腎臟科等，希望能復制他們在眼科 AI 領域的數據集建設經驗，通過數據集開放、舉辦挑戰(zhàn)賽和發(fā)表綜述論文等方式，為主動健康領域的發(fā)展和創(chuàng)新貢獻一份力量，最終實現成果的落地和轉化。

參考資料：

1.中華眼科雜志, 2021, 57（6） : 401-405.

****：https://rs.yiigle.com/CN112142202106/1323618.htm

2.Hanruo Liu, Ruyue Li, Yue Zhang, Kaiwen Zhang, Mayinuer Yusufu, Yanting Liu, et al. Economic evaluation of combined population-based screening for multiple blindness-causing eye diseases in China: a cost-effectiveness analysis. The Lancet Global Health 2023, 11（4）: 456-465

運營/排版：何晨龍