北京友誼醫院王康團隊在Retina發文：人工智慧框架的開發和驗證在黃斑疾病OCT影像中的應用

近日，北京友誼醫院眼科王康教授團隊在視網膜疾病領域著名期刊Retina上發表論文Development and Validation of an Explainable Artificial Intelligence Framework for Macular Disease Diagnosis Based on OCT Images.

在本研究中，王康教授團隊提出了一種新的具有更強解釋性的融合影象水平病變識別和眼睛水平病種診斷的人工智慧整合框架，該架構包括應用深度學習實現對OCT影象上的多種視網膜病變進行識別以及應用隨機森林方法在單眼層面基於一系列病變資訊來診斷可能的黃斑疾病。本研究在大量資料上開發和驗證這一基於OCT影象水平視網膜病變分類和眼部水平黃斑疾病診斷的更具說服力的框架。

黃斑位於視網膜後極部，是人類視覺產生的重要結構。當患者黃斑出現某些病變時，可發展為損害視力的黃斑部疾病，例如糖尿病性黃斑水腫(diabetic macular edema，DME)和老年性黃斑變性(age-related macular degeneration，AMD)。DME是糖尿病的主要併發症之一，全球超過2000萬例糖尿病患者中，平均每15名糖尿病患者中就有一人受到DME的影響。AMD是老年人部分或全部失明的主要原因，可分為乾性AMD和溼性AMD。準確識別視網膜病變和黃斑部疾病對臨床診斷和治療具有重要意義。基於OCT影像，臨床醫生可以識別與疾病診斷相關的各種視網膜病變，開發一種OCT影像智慧分析系統在眼科領域很受關注。

研究方法

儀器裝置：本研究採用Spectralis OCT裝置(Heidelberg Engineering, Heidelberg, Germany)，中心凹為掃描中心，B-scan間隔=240 µm；掃描範圍包括31幅影象，水平範圍30°，垂直範圍25°。

疾病篩選：本研究遵循赫爾辛基宣言的原則，並得到了首都醫科大學北京友誼醫院醫學倫理學委員會的批准。該研究收集了2016年至2020年在北京友誼醫院受檢的865隻眼，沒有基於年齡、性別或其他人口統計資訊的排除標準，共26815張Heidelberg Spectralis OCT影象，納入了9個視網膜病變（視網膜前膜（epiretinal membrane，ERM）、視網膜內高反射物質、IRF、SRF、視網膜下高反射物質、纖維血管色素上皮脫離、漿液性色素上皮脫離、玻璃膜疣和GA和3個黃斑疾病（DME、幹/溼性AMD)。

專家招募：專家招募了4名初級臨床專家(2名眼科醫生和2名驗光師，每人都有5年以上的視網膜臨床工作經驗)和2名高階眼科醫生(每人都有20年以上的臨床視網膜工作經驗)進行病變註釋。最後，將所有標註的資料集劃分為訓練集(731隻眼)、驗證集(54隻眼)和測試集(80隻眼)。這些資料集中儲存了相似的病變和疾病型別分佈。訓練和驗證集用於最佳化模型引數，測試集用於評估演算法的效能。

演算法開發與應用：王康教授團隊採用深度學習將影象按一定特徵進行分類識別視網膜病變和再採用隨機森林鑑別黃斑部疾病，並將這兩階段整合框架的效能與眼科專家進行了比較和評估。

圖1. 提出的用於OCT影象中的多個病變分類和黃斑疾病診斷的人工智慧方法。該方法由基於深度學習的影象級病變分類和基於隨機森林的眼部疾病診斷兩部分組成。

結果

在80隻眼的2480張海德堡OCT影象測試資料集上，深度學習模型的平均曲線下面積(Area Under Curve, AUC)為0.978 (95% CI, 0.971-0.983)。隨機森林能夠以0%的錯誤率進行準確的疾病診斷，其準確率與1位眼科專家相同且優於其他3位專家。黃斑中心部位特異性病變的檢測對黃斑疾病的診斷有更大的貢獻。

圖2. 特徵重要性排序採用隨機森林演算法中的Gini變數重要性測度。(A典型黃斑疾病OCT眼底掃描像，每條綠線代表一次OCT掃描。(B)說明以Gini變數的重要性量度來顯示特徵的重要性。縱軸代表31個OCT影象的位置，橫軸代表正常型別和9個病變，包括ERM、IRHM、IRF、SRF、SRHM、FPED、SPED、玻璃膜疣和GA。顏色越深，相應的特徵就越重要。

結論

收集的眼睛的疾病類別是根據電子病歷中先前的診斷確定的，並由2名資深眼科醫生進一步確認。除正常眼外，還納入3種黃斑病變，包括DME、乾性AMD和溼性AMD。

王康教授團隊所開發的這一方法在基於海德堡OCT影象進行視網膜病變分型和黃斑病變診斷方面具有較高的準確性和可解釋性，有促進臨床診斷的潛力。

研究成果：本研究基於海德堡OCT影像，應用人工智慧方法包括深度學習（Deep learning）和隨機森林（Random forests）在視網膜病變分類和黃斑病變診斷中實現了高精度和可解釋性，並有可能促進臨床診斷。

專家介紹

王康

首都醫科大學附屬北京友誼醫院主任醫師、教授、碩士研究生導師

現任北京友誼醫院眼科副主任，北京醫師協會眼科分會眼底病學組委員，北京醫師協會眼科分會人工智慧分會委員，中國中醫藥資訊學會眼科分會常務理事。2005年入選北京市科技新星，2011年入選北京市“十百千”衛生人才培養“百”人專案，北京市衛生系統第四批215高層次人才。專業特長：眼底病專業，著重於眼底疾病的基礎和臨床研究。作為負責人主持國家自然基金1項，北京市科委及北京市衛生局課題6項，參與其它課題3項。以第一或通訊作者發表眼科學術論文包括IOVS，Am J Ophthalmol，Retina等50餘篇，主編、主譯專著2部，獲實用新型專利3項。

李爽

首都醫科大學附屬北京友誼醫院副主任醫師，醫學博士。

中國醫師協會眼科眼腫瘤學組委員，北京醫師協會眼科專委會青年委員、北京醫師協會眼腫瘤學組委員，中國中醫藥資訊眼科分會理事、中華中醫藥學會眼科分會青年委員，中國中西醫結合學會眼科學組委員。長期從事眼底病影像學研究及眼腫瘤的臨床研究，尤其在眼底病多模影像的人工智慧方面進行了深入研究。發表SCI及核心期刊論文多篇，獲實用新型專利7項。

王薇