文/图 羊城晚报全媒体记者 余燕红 
通讯员 邰梦云

今日（23日）羊城晚报全媒体记者从中山大学中山眼科中心获悉，首创的医学图像密集标注技术Visionome是一种基于解剖学和病理学特征对医学图像进行密集标注的方法，由林浩添教授、刘奕志教授与西安电子科技大学刘西洋教授带领团队经过5年钻研合作共同研发完成。

其最新研究成果“Dense anatomical annotation of slit-lamp images improves the performance of deep learning for the diagnosis of ophthalmic disorders”于6月22日发表于《自然》杂志的子刊《自然生物医学工程》，并进入临床转化应用。

图像标注是所有人工智能算法感知世界的基础。但是，既往诊断算法常使用单一图片及二分类标注方法进行数据集构建，损失了大量有效解剖学信息。于是研究团队提出构想：在医学图像标注过程中，高质量的小样本数据集也有潜力训练出诊断性能优异的人工智能算法。

为证实这一猜想，研究团队决定利用类似DNA序列分割的原理对医学图像进行分割：建立Visionome密集标注标准流程，组织25人专家标注团队将1772张包含角膜炎、胬肉等感染、环境、年龄相关性疾病的眼前段图像，按照14种解剖结构进行区域分割，对于6种病变部位按照54种病理性特征进行密集标注，最终得到了13404个解剖结构标签和8329个病理特征标签。

团队还使用传统标注方法生成标注数据集进行算法训练和对比，结果显示Visionome数据集训练的算法具有显著更高的诊断准确率。

为进一步评估系统的可延展性，研究团队使用了20种系统未学过的眼病进行测试，包括眼科十大急症及其他复杂眼病如圆锥角膜、虹膜囊肿、视网膜母细胞瘤等，系统在大规模筛查场景中达到了84.00%的准确率。说明Visionome在密集分割的同时让算法得到了举一反三的诊断能力，具有跨专科识别多病种的潜力。

临床试验是检验人工智能临床应用的重要评判方法。因此，研究团队进一步设计了前瞻性临床试验，在中山眼科中心和越秀区社区卫生服务中心进行，使用大量真实世界临床数据，对裂隙灯图像智能评估系统分别进行了评测。

结果显示，该系统能出色完成4项临床任务。调查问卷显示，患者愿意在家和诊所使用这个系统，该系统能加深他们对于疾病的理解，缓解就医心理压力。

简单来说，使用者通过在Visionome诊断系统中上传眼前段图像，即能一次获得多个部位的全方位诊断，与传统的人工智能算法相比，Visionome系统可生成更加全面、精细、具体的报告，真正让医学人工智能应用揭开神秘的面纱，成为一个接地气的“医生”。

这不仅为罕见病学科等数据难以积累的医学人工智能应用打开了突破口，同时也进一步为人工智能算法层面跨病种应用打通了壁垒。

据了解，目前该团队已与万灵帮桥医疗器械（广州）有限责任公司合作将该研究成果投入临床应用转化阶段。未来双方将以院企合作的形式，在促进高新技术成果孵化、培育与产业化落地等方面开展持续深入合作，积极助力我国医学AI产业化发展。(更多新闻资讯，请关注羊城派 pai.ycwb.com)

来源 | 羊城晚报·羊城派
责编 | 王敏