眼健康行业的全球AI大赛（上）

编者的话：人工智能是目前眼健康领域中最新也是最具活力的，各个巨头公司都在加紧投入，新兴公司也层出不穷。 睿盟希编译的这篇文章对目前的现状进行了梳理，我们将分上下两个部分为大家介绍。

（上）介绍Google 旗下三家人工智能公司

（下）将介绍其他大公司和初创公司

AI利用称为机器学习的计算机科学方法，允许计算机自学如何最好地执行特定任务。 机器学习还允许计算机学习“看见”（称为计算机视觉能力），这使得计算机能够执行动态视觉任务，例如在繁忙的城市中驾驶汽车以及狭义定义的任务，例如识别面部或识别视网膜图像上的病变。 由于计算机硬件的关键突破，大量数字数据的可用性和新颖的机器学习方法，该领域的性能迅速提升，人工智能的活动和投资水平近年来持续飙升。

我们一直在努力工作，将世界从移动优先转移到AI优先。 我们正在重新思考所有核心产品，并通过应用机器学习和AI努力解决用户问题。 -Sundar Pichai，谷歌首席执行官

只有我们看到这些公司开始投资将AI产品引入医疗保健领域才有意义，因为它包含大量可用于训练算法的数据（以EMR的形式），因此被视为AI的理想环境。 并且具有许多狭窄的高价值任务（例如医学图像分析），这些任务非常适合通过AI进行自动化和优化。

谷歌目前正在推行几项专注于眼保健领域的人工智能项目。 这些项目分属3家公司（DeepMind，Google Brain和Verily），这些公司归谷歌的母公司Alphabet所有。

DeepMind是一家总部位于英国的人工智能研究公司，被公认为拥有世界一流的人工智能研究人员团队。 该公司于2014年被谷歌收购，估计金额超过6.6亿美元。 DeepMind通过结合深度神经网络和强化学习技术使AlphaGo能够自学从专业人类玩家所玩的数千个游戏，而不是遵循其程序员编码的规则。 2017年，DeepMind推出了AlphaGo Zero，这种算法改进了AlphaGo的性能，同时不利用人类以前玩过的任何外部数据，而是从头开始学习通过仅仅对抗自身来玩游戏。

DeepMind通过创建一个名为DeepMind Health的部门来关注医疗保健领域，该部门旨在利用其从AlpahGo和AlpahaGo Zero等项目中获得的见解，为医疗保健系统做出贡献。为此，该公司与英国的Moorfields眼科医院合作，进行了一项回顾性、非介入性和探索性研究，探讨如何使用AI从眼底照片和OCT扫描中诊断糖尿病视网膜病变和AMD。该研究纳入了来自7,621名患者的8,884例OCT扫描，这些患者之前曾在Moorfields医院被诊疗，因为他们被转诊视为提示有黄斑病变的视力症状。该研究的结果于今年8月在Nature Medicine上发表。作为该研究的一部分，该算法的任务是分析患者的OCT扫描，并因此将病例分类为紧急，半紧急，常规或观察。然后根据金标准测量其性能，该标准包括在患者最初在医院看病时所规定的现实诊断和随访。

该算法的分类还与由八名眼科护理提供者（四名视网膜眼科医师和四名验光师）组成的团队进行了比较，这些人员被招募进行研究。该算法表现出极好的正确识别紧急转诊的能力（错误率为5.5％），并且表现出与两位表现最佳的临床医生（错误率分别为6.7％和6.8％）并且显著超过其余六名的表现。建立加权量表以通过更严厉地惩罚高风险病例未被诊断的情况来澄清分类错误的影响。对于算法，误诊率的罚分低于所有专家临床医生。DeepMind的算法是独特的，能够识别并适当地分类具有与黄斑区域中发现的多达50种不同疾病相关的结构异常的病例。该项目的下一步将涉及临床试验，以测试该AI系统的功效以及寻求监管批准以清除该系统的商业发布。

在2016年JAMA发表的一项研究中，谷歌Brain团队表示，通过略微修改谷歌的Inception V3算法（与Google的图像搜索引擎相同的算法），他们可以在眼底照片中自主识别和评分糖尿病视网膜病变，其精确度与人类相当医生。该团队后来将此算法命名为ARDA（自动视网膜疾病评估的简称），并继续在印度Sankara Nethralaya医院和Aravind眼科医院的其他临床试验中验证其性能。该医院试验的结果显示糖尿病视网膜病变检测灵敏度超过90％，虽然实际数字迄今尚未公布。谷歌目前正与FDA合作，寻求监管部门的批准，以便在美国推出这种人工智能系统。

Lily Peng博士 Google Brain产品经理。

最近谷歌Brain团队公布了一项研究结果，显示他们能够训练一种算法来估计眼底图像的屈光不正。该算法在两个数据集上得到验证，并且能够在第一个数据集中将屈光误差估计为0.56屈光度，在第二个数据集中估计屈光度误差在0.91屈光度内。 对算法的注意力图的分析表明，中心凹区域是整体预测的一个重要因素，尽管来自其他区域的数据也起了作用。

另一项令人印象深刻的研究结果发表在谷歌脑研究中，题为“通过深度学习从视网膜眼底照片预测心血管危险因素”（Nature 2018），其中研究人员报告创建了一种机器学习算法，能够识别心血管疾病的5个危险因素。 这些风险因素包括年龄，性别，种族，收缩压以及患者是否为吸烟者。识别每个风险因素的准确性各不相同，但总体而言，该算法能够在70％的时间内预测五年内未来主要不良心血管事件的风险，其表现类似于综合欧洲系统冠状动脉风险评估（SCORE） ）计算器可以72％的时间（（AUC）正确地预测这种事件的发生率为0.70（95％CI：0.648至0.740），而AUC分别为0.72（95％CI：0.67至0.76）。Google的算法能够从一个数据点（眼底照片）获得这种性能水平，而SCORE风险计算器需要收集5个数据点（年龄，性别，吸烟状况，总胆固醇和收缩血压力）。

该团队进一步开发了算法，可以通过分析眼底图像来确定许多风险因素。该算法可以在71％的时间内正确识别眼底图像是否属于吸烟者与非吸烟者，并且能够正确估计患者总体平均收缩压在11 mmHg内（收缩压低于150 mmHg）。该算法还能够在78％的时间内正确预测患者的年龄至+/- 5年。未来，Google Brain团队将调查生活方式改变或药物治疗等干预措施对风险预测的影响。

Verily原名Google Life Sciences，是一家科学研究和工程公司，于2015年从谷歌分拆出来，现在作为Alphabet的子公司运营。 该公司专注于开发医疗保健技术解决方案。 2016年，Verily与尼康及其子公司Optos建立战略联盟，开发能够自主诊断糖尿病视网膜病变和糖尿病性黄斑水肿的人工智能设备。 在一份新闻稿中，尼康表达了以下关于合作关系的内容：“尼康（包括其子公司Optos）和Verily将共同开发早期检测糖尿病视网膜病变和糖尿病性黄斑水肿的解决方案。 此次合作将结合尼康在光学工程和精密制造领域的领导地位，其专有的超宽领域技术，以及眼保护专家和Verily的机器学习技术的强大商业影响力。“

这些设备被设计用于管理糖尿病的初级保健医生的诊所，并将筛查患者的糖尿病眼病，如果发现异常将转诊给眼科医生。 预计这些设备中的第一个将是Optos的硬件平台，该平台将与之前提到的由Google Brain团队开发并在印度进行临床试验的ARDA算法配对。

文章作者：Mr. Fayiz Mahgoub//odsonfb 副主编，方向：眼部护理技术和视力治疗

睿盟希国际视觉科学基金，以Forbetter vision and insight为愿景，致力于全球范围内挖掘并投资视觉科学领域的创新科技公司。

我们专注于细分领域跨境投资、并购、

商务合作和技术转移

长按以下二维码关注