AI前进印度眼科医院第一线，Google用深度学习及早发现7千万糖尿病患的失明危机

Google今日（8日）在台发布一项将电脑视觉技术应用在医疗领域的研究，透过电脑视觉技术和深度神经网络算法，可从视网膜眼底图像中，辨识出糖尿病视网膜病变，准确率与专业医师不相上下，这项研究早在去年底就已经发表论文，今年更进一步在印度最大的连锁眼科医院Aravind正式进入临床应用的阶段，辅助眼科医师诊断糖尿病视网膜病变。

国际糖尿病联盟（IDF）2015 年最新的统计数据指出，全球糖尿病患高达4.15亿，其中3～5成的病患有视网膜病变的危机，而视网膜病变的患者中，又有1成会失明，也就是说，每20人就会有1人有失明的危机，其中印度有将近7,000万名糖尿病患，Google研究团队产品经理彭浩怡指出，印度目前缺少12.7万名眼科医师，其中有45%的糖尿病患者因为迟迟未能得到医师的诊断治疗，而饱受视力衰退的折磨。

Google这项研究与印度当地最大的眼科医院Aravind，和另一家眼科专门医院Sankara Nethralaya 联盟，收集了13万张过去的视网膜眼底图像，并且已经过去识别化的处理，还聘请了54位眼科医生，组成建立视网膜病变标签的大军，将视网膜眼底图像建立标签（Label），甚至有些图像较难辨读，得要医师多次诊断，最高需要经过7次判读才能正确判断，最终这13万张图像，总共经过眼科医师88万次的诊断，成为算法的训练资料集。

医师建立的标签即是资料的真实值（Ground Truth），经由深度神经网络的算法的训练后，Google研究团队利用开源的机器学习架构TensorFlow，算法过程经过26层卷积神经网，机器可正确地辨识出视网膜病变的5个阶段，分为无、轻微、中度、重度、增生性糖尿病视网膜病变，正确率与专业眼科医师的辨识率相当。

这项研究源自于Google研究团队产品经理彭浩怡，她同时也是一位具有执业医师资格的专业医师，“Google有个政策是让大家可以投入20%的上班时间在自己有兴趣的专案中。”她表示，由于自己拥有医学背景，也深深地了解糖尿病视网膜病变引发的失明，是完全可以预防的，且糖尿病视网膜病变就是造成全球失明人数迅速攀升的主因，因此，她开始与印度的医院交流，经过多次讨论后，这项原本只投入20%时间的专案，慢慢地壮大。

彭浩怡表示，定期筛检是预防失明的关键，视网膜眼底图是透过特殊的医学镜头拍摄眼球，再由医师判断图像中有无病变，她表示，糖尿病视网膜病变的状况分为5级，分别是无、轻微、中度、重度、增生性，若是轻微的病变，只会有非常微小的血管瘤，就连医师都很难判读出来，且一般的眼科医师也需要经过长时间的训练才可以正确地辨识。

目前这项研究还在临床实验的阶段，还未正式在美国的医院实施，彭浩怡表示，虽然技术已经成熟，但在印度眼科医院试行时，发现硬件是新的挑战，视网膜眼底图像需要经由特殊的医学影像镜头拍摄，未来Google可能会与Nikonck合作，一同开发医学影像镜头。

她认为，即使在系统在印度眼科医院试行的辨识结果，正确率高于眼科医师，但在不同的环境有许多变因，要拓展到各家医院还有许多工作要做，接下来还要与医师建立信任，要让医师能够理解判读的结果，并且设计工作流程和使用者界面，要使系统符合医师的工作流程，她表示，短时间之内可能还不会正式在美国医院推出，因为根据过去的经验，经由主管机关美国食品药品监督管理局（FDA）的审核时间平均需要5年。

彭浩怡补充，这项判读糖尿病的病变的研究，也可以应用在癌症肿瘤切片上，因为活体组织切片，有很多资讯要判读，本来就不容易辨识，若有深度神经网络算法协助辨识，可辅助医师诊断，也可以减少误诊的概率。

Google台湾董事总经理简立峰表示，过去医疗和资讯科技都是大家投入许多心力的领域，这次AI的技术让这两个领域可以跨域的结合，“以前要做医学相关的科技研究，特征萃取工程是一大门槛！”由于医师太忙碌，工程师又不懂医疗领域的特征，在特征萃取工程的工作上，往往花了最多时间。

但是，深度神经网络则不需要人工挑选特征，算法会自动完成特征萃取的工程，不需要经过繁复的特征工程，因此，跨领域的研究变得更加有机会，他表示，台湾若要投入相关的研究，其实是非常有机会的，因为台湾拥有足够的医疗数据，也有开源软件工具可以使用，且医疗领域每个国家有自己本地的特色和资料。