人工智能輔助的年齡相關(guān)性黃斑變性眼底像診斷分析*

胡欽瑞 王麗婷 王 斌 李 揚(yáng)

1 福建省眼表與角膜病重點(diǎn)實(shí)驗(yàn)室，福建省廈門市 361000； 2 廈門大學(xué)附屬廈門眼科中心

年齡相關(guān)性黃斑變性(AMD)是發(fā)達(dá)國家年齡超過50歲人群不可逆轉(zhuǎn)視力喪失的主要原因[1]。 AMD疾病逐漸進(jìn)展,從早期和中期,幾乎沒有或僅有微妙的視覺變化,最終患者會發(fā)生中心視力損傷，早診斷、早干預(yù)是防治AMD的重要手段。多種因素參與AMD的疾病進(jìn)程。多項國內(nèi)外研究發(fā)現(xiàn)，年齡、性別、種族、遺傳等是AMD發(fā)生的重要影響因素[2]。目前，人工智能(Artificial Intelligence,AI)基于醫(yī)療數(shù)據(jù)的深度學(xué)習(xí)已經(jīng)在眼病領(lǐng)域進(jìn)行了一系列探索。2016年初，Google DeepMind與英國國家健康體系(NHS)開發(fā)了一款用于輔助醫(yī)生快速查看血液測試結(jié)果的軟件，以輔助決策并提高效率。同年 JAMA刊登了gulshan團(tuán)隊研究成果，通過深度學(xué)習(xí)，AI輔助的軟件系統(tǒng)對眼底病檢測準(zhǔn)確率96%[3]。2018年我國張康團(tuán)隊在Cell刊文，開發(fā)出診斷眼病和肺炎的AI系統(tǒng)[4]，主要對糖尿病性視網(wǎng)膜病變進(jìn)行AI輔助診斷。

AI已經(jīng)被應(yīng)用于老年黃斑變性的檢測中，其原理是能夠通過觀察眼底圖像所呈現(xiàn)的玻璃膜疣及視網(wǎng)膜微血管病變體征等，實(shí)現(xiàn)對AMD玻璃膜疣的自動檢測和量化系統(tǒng)，能夠?qū)膊〉目陀^記錄描述，幫助識別和分類AMD患者。目前，相關(guān)研究集中在玻璃膜疣的診斷準(zhǔn)確率和敏感度的提升方面[5]。但AMD是一個長期、慢性進(jìn)展的過程，病情復(fù)雜，現(xiàn)實(shí)場景中的眼底照相質(zhì)量并不均一，往往受限于場地環(huán)境、設(shè)備以及受培訓(xùn)人員的技術(shù)水平，在真實(shí)世界實(shí)際應(yīng)用場景中，獲得完美的照相質(zhì)量相對困難[6]，從而影響人工智能輔助診斷。筆者擬通過此次研究，探索圖像質(zhì)量的差異與AI診斷準(zhǔn)確率的關(guān)系，尋找影響診斷的主要因素，改善醫(yī)療技術(shù)，進(jìn)一步提高AI的診療準(zhǔn)確性，從而提高醫(yī)療服務(wù)質(zhì)量。

1 資料與方法

1.1 一般資料 選擇2018年1月1日—2019年12月31日在我院篩查的100例年齡相關(guān)性黃斑變性患者。本研究經(jīng)本院醫(yī)學(xué)倫理委員會批準(zhǔn)。

1.2 儀器與方法 對100例患者進(jìn)行眼底照相，由AI進(jìn)行解讀，對診斷的正確度進(jìn)行評估。按照位置、對焦、準(zhǔn)確、曝光程度、睫毛偽影、中心暗影、周邊暗影等對眼底圖像進(jìn)行質(zhì)量評價，分析眼底圖像質(zhì)量與AI診斷準(zhǔn)確性的影響。前期研究已經(jīng)對社區(qū)醫(yī)療診療環(huán)境進(jìn)行整合，保證眼底圖像采集人員采集統(tǒng)一規(guī)范標(biāo)準(zhǔn)。對眼底圖像儀器進(jìn)行統(tǒng)一。對眼底圖像進(jìn)行分類，由AI進(jìn)行解讀，收集報告內(nèi)容，對診斷的正確度進(jìn)行評估。

1.3 觀察指標(biāo)及評價標(biāo)準(zhǔn) 所有納入樣本患者的影像資料均由高年資主治醫(yī)師審核，并進(jìn)行OCT圖像的驗(yàn)證，確認(rèn)黃斑病變，與眼底圖像進(jìn)行印證。對患者圖像資料質(zhì)量進(jìn)行標(biāo)準(zhǔn)分類，包括位置的準(zhǔn)確性、對焦是否準(zhǔn)確、曝光過強(qiáng)、曝光過弱、鏡頭污漬、睫毛虛影、邊緣漏光、黃斑區(qū)暗影、周邊暗影、整體影像模糊。根據(jù)AI的判定結(jié)果分析圖像質(zhì)量與AI評價準(zhǔn)確度的關(guān)系。

2 結(jié)果

2.1 圖像效果分析 100例黃斑變性圖像，其中拍攝位置不標(biāo)準(zhǔn)為最常見問題占30%，其次為邊緣漏光，占27%，未發(fā)現(xiàn)鏡頭污漬表現(xiàn)，未發(fā)現(xiàn)過度曝光。

2.2 AI診斷正確度與圖像質(zhì)量的關(guān)系 現(xiàn)實(shí)場景中AI診斷陽性率86%，AI診斷正確度與眼底照相周邊是否有暗影具有統(tǒng)計學(xué)相關(guān)性。AI診斷陽性率85%。見表1。

3 討論

年齡相關(guān)性黃斑變性(AMD)是一種潛在進(jìn)展性黃斑病變根據(jù)。臨床特征可以分為早中期 AMD 和晚期 AMD，早中期主要表現(xiàn)為玻璃膜疣(視網(wǎng)膜下由脂質(zhì)和蛋白質(zhì)組成的黃色沉積物)和黃斑區(qū)色素改變，通常視力正常或接近正常。晚期則出現(xiàn)中心視力下降或喪失。晚期 AMD 又分為兩型：地圖樣萎縮(或者稱為“萎縮性”或“干性”AMD)和新生血管性 AMD(或者稱為“濕性”或“滲出性”AMD)。地圖樣萎縮是黃斑的慢性進(jìn)行性變性；變性開始于視網(wǎng)膜色素上皮水平，在后期隨著相關(guān)的視網(wǎng)膜神經(jīng)感覺層變薄和變性，出現(xiàn)視網(wǎng)膜色素上皮丟失。脈絡(luò)膜新生血管是指從眼睛血管層(脈絡(luò)膜)到視網(wǎng)膜神經(jīng)感覺層的血管異常生長。較小的玻璃膜疣(<63μm，也稱為drupelet)是正常的老化改變。中等大小的玻璃膜疣(≥63μm 至<125μm)，不伴色素改變，則稱為早期AMD。較大的玻璃膜疣(≥125μm)或至少中等大小玻璃膜疣伴色素改變，則為中期AMD。正常老化改變5年進(jìn)展為晚期AMD 的風(fēng)險為0.5%，而中期 AMD 則為 50%。此外，現(xiàn)在認(rèn)為網(wǎng)狀假性玻璃膜疣(在光感受器和視網(wǎng)膜色素上皮之間形成的小玻璃膜疣樣沉著物)是兩種晚期 AMD 形式的前驅(qū)病變。年齡性黃斑變性的顯著診斷特征為AI輔助提供了充分條件，AI在經(jīng)過足夠的深度學(xué)習(xí)后，能夠?qū)@些顯著特征進(jìn)行區(qū)分，即能夠?qū)ζ溥M(jìn)行高效識別診斷。但在實(shí)際使用中，還有更多細(xì)節(jié)優(yōu)化需要注意。

表1 AI診斷正確度與圖像質(zhì)量的關(guān)系

研究發(fā)現(xiàn)[7]，在現(xiàn)實(shí)場景應(yīng)用中，AI診斷正確性與圖片的采集質(zhì)量密切相關(guān)。其中周邊暗影是影響診斷質(zhì)量的重要指標(biāo)，眼底照相采集的眼底各結(jié)構(gòu)位置也可能具有一定意義。眼底圖像周邊暗影影響了AI的判斷[8]。周邊區(qū)暗影因?yàn)樵谂臄z過程中患者瞳孔過小或者不配合導(dǎo)致的，往往合并位置異常及中心區(qū)暗影，影響了細(xì)節(jié)的定位及判斷，導(dǎo)致了機(jī)器判讀困難。改善這類問題導(dǎo)致的眼底照片判斷誤差，解決方法之一是發(fā)現(xiàn)此類問題，這需要對該類人群進(jìn)行散瞳處理，執(zhí)行標(biāo)準(zhǔn)化操作，另外還需要對軟件進(jìn)行進(jìn)一步的優(yōu)化分析。

圖片是否按照標(biāo)準(zhǔn)位置拍攝是影響AI現(xiàn)實(shí)應(yīng)用的重要的指標(biāo)，主要以視盤和黃斑區(qū)的納入為主要指標(biāo)[9]。院內(nèi)檢查多以散瞳對病情進(jìn)行確認(rèn)。但社區(qū)大規(guī)模篩查中，考慮到散瞳的風(fēng)險及檢查人員的培訓(xùn)限制，免散瞳眼底照相成為趨勢。這也導(dǎo)致在常規(guī)操作中，很難獲得一張完美的圖像，尤其免散瞳眼底照相更難達(dá)到相應(yīng)要求。現(xiàn)實(shí)場景的圖片缺失或者缺損部分圖像細(xì)節(jié)，AI以此進(jìn)行解讀，可能會干擾判斷準(zhǔn)確性。雖然本研究在統(tǒng)計學(xué)上并沒有發(fā)現(xiàn)二者的相關(guān)性，但檢驗(yàn)水平還是提示位置偏倚可能存在潛在的影響。通過培訓(xùn)來改善獲取的圖片質(zhì)量，可能會有益于AI準(zhǔn)確度的提升[10]。黃斑區(qū)暗影并未顯示對AI判讀準(zhǔn)確率的影響，這體現(xiàn)了AI比人眼的優(yōu)勢，顯然臨床醫(yī)生更關(guān)注黃斑中心區(qū)的結(jié)構(gòu)變化，在肉眼不能分辨的情況下，而AI能夠較好地判讀，進(jìn)一步給醫(yī)生提供了診療信息，充分體現(xiàn)了AI的優(yōu)勢。

在眼科學(xué)中，基于視網(wǎng)膜圖像的自動篩查(automated screening)早已成為AI靶標(biāo)，為眼科視網(wǎng)膜病變的篩查注入了新的活力[11]。但以上診斷的基礎(chǔ)往往以完美的眼底圖像進(jìn)行診斷訓(xùn)練，并沒有完美實(shí)現(xiàn)對現(xiàn)實(shí)場景的呈現(xiàn)。現(xiàn)實(shí)場景中診斷正確率受多種因素影響，本文主要針對圖像質(zhì)量采集進(jìn)行了研究分析。本次研究主要樣本量較小，這一定程度上造成了結(jié)果的偏倚。另外患者的全身情況會對圖像判讀產(chǎn)生重要影響[12]，但本文中并沒有涉及。研究側(cè)重圖像質(zhì)量與AI判讀之間的關(guān)系。對圖像進(jìn)行質(zhì)量的分類是一個極其重要的問題，這能促進(jìn)AI在實(shí)際臨床應(yīng)用中的準(zhǔn)確性。這也需要專業(yè)人員投入一定的精力對實(shí)際圖片進(jìn)行多維度的分類，這樣能更好地訓(xùn)練AI的臨床實(shí)際應(yīng)用。

單一圖片的判斷可能并不準(zhǔn)確，目前更多研究開始注重多重圖像聯(lián)合的AI研究[13]。除了AI在眼底照相圖片中的應(yīng)用以外，應(yīng)用于OCT的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNN)能夠成功地區(qū)分晚期AMD或糖尿病性黃斑水腫(Diabetic Macular Edema,DME)，為多模式診療策略提供了可能[14]。

AI目前在正常的眼底圖像診斷中發(fā)揮了重要的助力，但在現(xiàn)實(shí)場景中，存在較多非標(biāo)準(zhǔn)圖像，AI診斷的準(zhǔn)確率不可避免地下降，這需要針對不同的情況，做好眼底照相的質(zhì)量控制及AI診斷技術(shù)上的改善和調(diào)整。