乐见人工智能：深度学习如何用于检测眼疾

很多老年人都会有眼睛黄斑部退化（又称老年性黄斑部病变）的毛病，会让视力开始变差，双眼中央视野模糊；最早还能使用倍数更高的放大镜来阅读，但到最后可能都看不清他人的面孔。

老年性黄斑部病变

老年性黄斑部病变（AMD）是五十岁以上美国人丧失视力和失明的主要原因。这是一项不治之症。下图里有两个拿着球的小男孩，画面就象是AMD患者视物的情况。

“（AMD）患者痛苦不堪。不管看着哪里，中心点都是一片模糊。”华盛顿大学眼科学家，也是专攻视网膜问题的助理教授 Dr. Aaron Lee 说。

适合人工智能

Lee 认为人工智能能派上用场，不只是协助 AMD 患者，还有因眼疾而丧失视力的人。

他说 GPU 加速深度学习或许能检测到医生没发现出的疾病迹象，或是加快诊断速度，让医师能更早展开治疗。他已经开发出深度学习算法，可以发现AMD和损害中央视力的黄斑水肿症状。

Lee 说在所有医疗领域里，眼科学最适合从 GPU 加速深度学习里受惠。眼科医师不只能收集训练神经网络所需的大量资料，整个领域里的资料也达到高度标准化的水平。

“一些惊人的事情”

Lee 和他的团队专注于光学同调计算机断层扫描（OCT）测试，这项测试使用光波拍摄视网膜的横截面图片。医生每年进行超过五百万次 OCT 测试来诊断 AMD、青光眼和糖尿病性视网膜病变等疾病，糖尿病患者的高血糖情况会损伤视网膜中的血管及影响视力。

研究人员将十万名患者 OCT 扫描及其电子病历串连起来，以建立 AMD 检测算法。他们使用 CUDA 平行运算平台和 GeForce GTX TITAN X GPU，加上 cuDNN 加速 Python Caffe 深度学习架构，训练出一套辨识 AMD 患者的神经网络，准确率达到 93%。

光学同调计算机断层扫描（OCT）测试让医生看到每个视网膜的独特层次。 （图片来自Ugur Onder Bozkurt通过知识共享。）

仅花了三周时间便开发出的 AMD 算法，消除了 Lee 对 GPU 加速深度学习优点的疑虑。

他说：“我在这里看到一些惊人的事情。使用寻常计算机架构来处理这般规模的资料集，并且训练一套跟我们使用的规模同样庞大的神经网络，根本就做不到。”

人工智能媲美专家水平

对那些结果十分满意的 Lee，加入八个 NVIDIA Tesla P100 GPU 的运算能力，以克服在 OCT 扫描中辨识视网膜内液（IRF）的难题。视网膜血管受到损伤时，会出现 IRF 的情况。医师观看 IRF，以判断患者对药物的反应及改善情况。

该团队训练了一套神经网络，以像素为单位来辨识 IRF，而当前则是靠着医师进行人工判断。这套算法的表现达到专家水平，可以让医师长期客观地追踪患者的改善程度。

Lee 说：“我们利用深度学习找出扫描图片里看不到的特征。”

在上方的 OCT 扫描图像里，黄色区域是人工智能确认出进行诊断时最重要的参考区域。这些区域完全符合图像里异常特征的位置（图片提供：Aaron Lee）。

对人工智能的目标

然而 Lee 见到人工智能有更多机会将为眼科的未来发展，带来不同的改变。

他希望能更快速、更有效地检测眼疾，如此一来医师就可以投入更多时间在治疗病患上。这套系统或许有助于解决治疗高龄人口的医师人数短缺，或是在医生短缺地区提供照护人手的问题，同时对于导致 AMD 和其他疾病的原因出现新的见解。

Lee说：“未来人工智能将在治疗患者方面发挥重要作用。”

如需更多信息，请见 Lee 的研究报告：

Deep Learning Is Effective for Classifying Normal versus Age-Related Macular Degeneration OCT Images

Deep-learning based, automated segmentation of macular edema in optical coherence tomography

Assessment of the need for separate test set and number of medical images necessary for deep learning: a sub-sampling study

研究团队在 github 上公开研究资料：https://github.com/uw-biomedical-ml/oir 及 https://github.com/uw-biomedical-ml/irf-segmenter。