b谷歌的人工智能项目:建立更好的眼病检测算法

人工智能(AI)帮助筛查常见糖尿病性眼病患者的能力获得了动力，今天在《科学》杂志在线发表了一项新研究眼科学美国眼科学会的期刊。医学博士Lily Peng和她在b谷歌人工智能研究小组的同事们表明，他们可以通过使用由专门研究视网膜疾病的眼科医生评判的一小部分图像来改进他们的疾病检测软件。然后，专家的输入被用来提高计算机的性能，使其与视网膜专家个人的性能大致相当。

超过2900万美国人患有糖尿病，并且有患糖尿病的风险糖尿病性视网膜病变，一只潜在的盲目的眼睛疾病。在疾病的早期阶段，人们通常不会注意到视力的变化。但随着病情的发展，糖尿病视网膜病变通常会导致视力下降，而且在许多情况下无法逆转。这就是为什么糖尿病患者每年进行筛查是如此重要。

在早期的研究中，彭博士和她的团队使用神经网络——用于识别数据模式的复杂数学系统——来识别糖尿病视网膜病变。他们将数千张视网膜扫描图输入这些神经网络，教它们“看到”微小的出血和其他病变，这些都是视网膜病变的早期预警信号。彭博士表示，该软件的工作能力与人类专家大致相当。

但彭博士有兴趣开发一种对她的祖母足够好的系统。因此，为了提高软件的准确性，她加入了视网膜专家的输入，专门研究视网膜疾病的眼科医生。

“对于我的奶奶，我希望有一个真正治疗这种疾病的专科小组，坐下来讨论她的病例，给出他们的意见，”彭医生说。“但这真的很贵，而且很难做到。那么如何构建一个接近这个的算法呢?”

为了弄清楚如何做到这一点，彭博士将原始算法的性能与三位普通眼科医生的多数决定或三位视网膜专家的共识评分的手动图像评分进行了比较。

糖尿病视网膜病变的分级可能是一个复杂的过程，需要识别和量化的细微特征，如小动脉瘤和出血。因此，在检查图像、寻找疾病的医生之间可能存在相当大的差异。

视网膜专家分别对图像进行分级，然后共同努力解决任何分歧。他们的回顾和随后的共识诊断为分级过程提供了相当大的见解，有助于纠正诸如灰尘斑点引起的伪像等错误，区分不同类型的出血，并为难以做出明确诊断的“灰色区域”创建更精确的定义。在这个过程的最后，视网膜专家指出，在决策过程中使用的精度高于日常临床实践中通常使用的精度。

利用这些专家分级的图像，彭博士可以对软件进行微调，从而提高他们的模型的性能并提高对疾病的检测。

彭博士说:“我们相信这项工作为进一步的研究提供了基础，并提高了将机器学习应用于医学领域的参考标准。”