首页 > 互联网 > 正文

谷歌又一次涉及糖尿病!神经网络算法检测糖尿病视网膜病
2016-12-01 00:26:24   来源:   评论:0 点击:

11月29日(美国当地时间)消息,Google研究人员在美国医学协会杂志JAMA(Journal of the American Medical Association)上发表了一篇...
11月29日(美国当地时间)消息,Google研究人员在美国医学协会杂志JAMA(Journal of the American Medical Association)上发表了一篇论文,表明Google的深度学习算法,经过大量眼底影像数据训练后,能够以超过90%的准确度检测糖尿病性视网膜病变。

谷歌在糖尿病上一直大动作不断。今年9月份,谷歌母公司Alphabet旗下的美国生命科学公司Verily,联手 法国知名制药商赛诺菲, 投资约5亿美元,建立一家集设备与服务于一身的糖尿病合资企业 Onduo,将利用双方优势: Verily在微型电子、分析和消费者软件开发的经验,及赛诺菲的临床专门知识和将创新疗法带给糖尿病患的经验,希望 帮助人们更好地做出有益日常健康的解决方案,这包括从改善药物管理、早期预防到习惯 改善 。看来在糖尿病预防和治疗上,谷歌可是下足了功夫。这一次,它又给我们带来什么意外?

用于 糖尿病性视网膜病变(DR) 的视网膜照片的示例。左边可以看到健康的视网膜,右侧的视网膜具有损伤,眼睛中有出血和流体泄漏

超过128,000张眼底影像分析,灵敏度和特异性分析均超过90%

糖尿病性视网膜病变是一种影响糖尿病患者的眼部疾病,是导致失明最快的原因,全球约有4.15亿糖尿病患者面临病变风险。如果早期发现,该疾病可以治疗,否则,极有可能导致不可逆的失明。

检测糖尿病眼病的最常见方法之一是让专科医生检查眼后部的照片,并确定是否有疾病的征兆,如果有的话,辨别严重程度,属于直觉医疗和经验医疗范畴。虽然正常情况下,建议所有糖尿病患者应该进行年度筛查,但受到条件限制,许多人并不能获得良好的专科护理。这意味着数百万人没有得到他们需要的护理,以防止视力丧失。

几年前(具体未透漏),一个Google研究小组开始研究是否可以使用机器学习来筛查糖尿病性视网膜病变(DR),其核心还是一个深度学习算法,能够检查视网膜照片病变的迹象,可能帮助医生筛选更多的患者,特别是在资源有限缺乏服务的社区。

与印度和美国的一组医生合作,谷歌创建了一个超过128,000张图像的数据集,这些数据中9,963来自美国的EyePACS和印度的三家眼科医院追溯获得。每个由授权眼科医生分级三至七次,并用它们训练一个深度神经网络来检测糖尿病视网膜病变。

为了验证算法的性能,通过与七个美国委员会认证的眼科医生检查的另一组图像结果进行比较,两个数据集分别具有97.5%和96.1%的灵敏度,特异性分别为93.4%和93.9%,算法执行精度与眼科医生一样,实现高灵敏度和特异性。

谷歌又一次涉及糖尿病!神经网络算法检测糖尿病视网膜病变,精确度高达90%

在由9963个图像组成的验证集上的算法(黑色曲线)和八个眼科医师(彩色点)对于可引起糖尿病性视网膜病变(中度或更差的糖尿病性视网膜病变或可疑的糖尿病性黄斑水肿)存在的预测准确度。 图上的黑色菱形重合位置,表示算法的算法高灵敏度和特异性操作点

“这些结果表明,深度神经网络可以训练使用大数据,以高灵敏度和高特异性识别视网膜眼底图像中的糖尿病性视网膜病变,或糖尿病性黄斑水肿,而且不必指定基于病变的特征。”

论文如此提到。“这种用于检测糖尿病性视网膜病变的自动化系统提供了几个优点,包括解释的一致性(因为机器将每次对特定图像进行相同的预测)、高灵敏度和特异性以及近似瞬时报告结果呈现,因为算法具有多个操作点,其灵敏度和特异性可以调整以匹配特定临床设置的需求,例如筛选设置的高灵敏度。”

还需要使用3D成像技术详细检查视网膜的各个层

很显然,这对于糖尿病患者来说,无疑是令人非常兴奋的消息。尽管过去已经使用其他形式的机器学习来诊断糖尿病性视网膜病变,但是深度学习是更纯粹的人工智能形式,因为它不接受任何指导来寻找特定特征。相反,它能够从图像和信息中形成自我学习机制。

对于算法的自动分级功能,谷歌研究人员还提到:“糖尿病视网膜病变的自动分级具有潜在的益处,例如提高筛查程序的效率和可重复性、覆盖范围、减少获取障碍、通过提供早期检测来改善患者治疗。为了最大化利用自动分级的临床效用,确实需要一种检测可疑糖尿病视网膜病变的算法。”

但是,谷歌的人工智能算法被广泛使用之前还有很多工作要做。例如,2D视网膜照片的解释只是诊断糖尿病眼病的过程中的一个步骤,在一些情况下,医生还需要使用3D成像技术详细检查视网膜的各个层。研究院Lily Peng解释道:“在某些情况下,医生使用3D成像技术,比如光学相干断层扫描(OCT),详细检查视网膜的各个层。”谷歌DeepMind部门正致力于将机器学习应用于该方法。在将来,这两种补充方法可以一起使用,以帮助医生诊断广泛的眼病。自动、高度准确的筛选方法,有可能帮助医生对患者进行更快速的健康评估。

由于神经网络学习了对可推断性最有预测性的特征,所以该算法可能使用以前未知或被人忽略的特征。尽管这项研究使用来自各种临床设置(数百个临床场所,其中印度三个,美国数百个,法国三个)的图像,以减轻算法使用异常低频的风险数据进行预测,但是是否使用了确切特征仍然是未知的。深度神经网络在机器学习领域还是一个比较新的领域,作为专家的完全替代,还有很远的路程要走。

谷歌的这次尝试,目前来看,算法已被训练为仅鉴定糖尿病性视网膜病变和糖尿病性黄斑水肿,所以很可能会错过未被训练识别的非糖尿病性视网膜病变。因此,这种算法也不能全面替代眼科检查,如视力、折射、裂隙灯检查和眼压测量,还是需要由专门的眼科医生来进行。

相关热词搜索:糖尿病 神经网络 视网膜

上一篇:支付宝就校园日记道歉,为“我有我们的方式”买单
下一篇:最后一页

分享到: 收藏
评论排行