张政

摘  要：近年来，人工智能在医学领域的应用范围不断扩大，已经成为医疗行业关注的焦点。文章分析了AI在眼底疾病筛查领域的技术发展、应用落地及药监审批等情况。

关键词：人工智能;深度学习;眼底筛查;糖尿病视网膜病变;单病种筛查;全病种篩查

中图分类号：TP18 文献标志码：A         文章编号：2095-2945（2020）27-0182-02

Abstract： In recent years， the scope of application of artificial intelligence in the medical field has been expanding， and it has become the focus of the medical industry. This review analyzes the technical development， application and drug supervision and approval of AI in the field of fundus disease screening.

Keywords： artificial intelligence; deep learning; fundus disease screening; diabetic retinopathy; single disease screening; whole disease screening

1 眼底疾病的现状和问题

眼底疾病是我国目前致盲的重要原因，眼底疾病是不可逆盲的首位病因，其患者占到了全部致盲眼病患者的54.7%，已经严重威胁到人们的健康和生活质量。其中糖尿病视网膜病变（Diabetic Retinopathy， DR）是最常见的眼底血管性疾病，在未来这将是眼底疾病中的最大难点之一。

我国有1.14亿糖尿病患者，其中有2700万患有糖尿病视网膜病变（俗称糖网），患病率高达24%，这种疾病是由慢性高血糖引起的，会损害视网膜中的血管，而视网膜是眼后的薄层，负责感知光线并向大脑发送信号，这些血管会渗漏或出血，导致视力失真或丧失，糖网已成为工作年龄人群排名第一位的致盲性眼病。2型糖尿病患者每年进行1次眼底筛查，可使失明风险降低94.4%，因为在早期阶段，患者通常没有症状，但是在此阶段损害是可以逆转的，因此定期筛查对糖尿病患者而言非常重要。预计到2025年，全球每天可能有100多万人需要做糖尿病眼底筛查。通过有效的筛查途径早期发现，可以有效控制血糖和血压对糖尿病视网膜病变进行早期干预。但是目前全国的医疗机构对于眼底疾病的筛查还未能普及，原因在于我国眼科医生总量仅3.6万人，而内分泌科缺乏便捷的设备及DR诊断能力，导致门诊糖尿病患者眼底筛查率不足10%;目前全国很多偏远地区或社区医院、体检中心等相对来说没有较强的医生资源，能掌握眼底阅片的医生更是数量甚少。

2 人工智能眼底筛查技术的诞生

随着科技的发展，人工智能（AI）技术开始作用于各个领域，并且发挥着巨大作用，医疗与人工智能的结合是近些年发展的热点，尤其是应用于眼底筛查领域。

早在1984年，就有科学家提出用AI来诊断DR，之后2001年-2013年，利用AI来判别DR的各种研究方式被提出，包括用Recursive region growing segmentation算法与Moat Operator 算法结合诊断DR、以AI 系统识别彩色眼底图像的微血管瘤以诊断DR、利用自动检测程序来诊断DR等。到2016年，利用深度学习算法AI系统识别眼底图像以诊断DR被提出， 这使得诊断效率明显提升，诊疗过程更加自动化。

发展到2020年，利用深度学习的眼科人工智能领域的竞争越发激烈，全球眼科AI产品层出不穷，在竞争中发展、进步。早在2018年，美国食品和药物管理局（FDA）首次批准IDx-DR软件，这是首款通过视网膜照片鉴别眼科疾病的人工智能诊断设备;之后全世界其他大学也纷纷加入研究行列，其中包括英国剑桥大学和帝国理工学院、美国纽约大学和加利福尼亚大学洛杉矶分校等，还有像谷歌（Google）公司这样的科技巨头也开始涉足。在中国，一批科技创新企业开始崭露头角，与一些三甲医院开展AI眼底项目研究，其中包括北京协和医院、海军军医大学长征医院、中山大学中山眼科中心等。随着近年来深度学习技术的不断进步，国内很多做AI眼底筛查的科技公司在AI眼底影像的识别上已经取得了重大的进展，并且发挥了重要的作用。

（1）辅助医生诊断，降低漏诊误诊问题;（2）提高诊断效率，弥补资源供给不足;（3）预警疾病风险、提供健康咨询服务。医院各科室对于AI的应用中，秉承着开放的态度，眼科已经处于领先地位。在过去几年，眼科领域的研究成果不断登上顶级学术期刊，并且率先通过FDA的审核，在产品形态上出现了单一病种识别、全眼底覆盖等AI产品，获得了眼科医生从业者的普遍认可，并且已经展开大范围应用。

使用眼底图像判断糖网分级是目前市场上比较流行的一类产品，通过使用来自kaggle 的公开数据集和深度学习技术，实现对仅有糖网风险，确定没有其他并发疾病的图片进行分类，对糖网的程度进行分级。大部分公司采用了Google发表论文中使用的Inception-v3的网络结构和训练方法，在数万到数十万量级的数据集进行分类训练。其中部分公司使用了先病灶检测，再进行分类的级连模式。在病灶检测阶段，为了确保不遗漏可能的潜在病灶，大多会使用类似 Sclective search的形态方法，尽可能全的召回风险区域，再通过深度学习方法拒绝大部分假阳性，保留真正的病灶结合医学规则进行分级诊断。还有个别公司借鉴小目标检测的方法，直接使用深度申请网络检测病灶，定量计算病变面积、病变数量。该类型产品多用于内分泌科对于糖尿病患者是否患者糖网及是否需要转诊到专业眼科确诊及治疗。

3 基于多病种和多模态的AI眼底筛查成为趋势

目前市面上主要的单病种AI产品是识别糖尿病视网膜病变，最早应用在眼科，可以为眼科医生做糖网的初筛。但是因為针对疾病的单一性，尚未在眼科大面积展开应用。此外针对单一疾病的识别可以跨科室应用，特别是在内分泌科，可以帮助内分泌医生在科室内完成对糖尿病患者的眼部并发症的识别。通过在内分泌科对相关疾病的筛查，帮助内分泌科的医生发现糖尿病视网膜病变的患者，从而转诊到医院眼科。因此国内的AI公司开始开发更高阶段的研发，在糖网的基础上，增加了眼底疾病常见的10余种常见疾病，这样可以满足90%以上人群的眼底筛查需求。增加AMD年龄相关性黄斑病变、青光眼、高度近视、动脉硬化等多病种检测。其难度大大增加，对数据量及标注准确度有更高的要求，需要比单一病种多出数量级的数据集。并且需要在分类基础上融合精确检测黄斑区为止、血管分割、视杯视盘分割、面积计算等技术。多病种判断阶段，产品性能开始具备一定的实用价值，临床应用场景变得更加丰富，行业公司实力也相应出现分化。多病种AI产品可以在基层医院和跨科室应用，比如内分泌科、心内科、肾内科、体检中心等。目前全病种眼底产品已经具备较高的自主性，可以在医院眼科和其他科室发挥作用，同时在基层可以发挥更大的作用，因为具备健康分析情况，在基层眼健康的检查上具有天然的优势。全眼底AI具备高精度识别和定位全眼底任何病变组织的位置的能力，搭配移动性上有优势的眼底照相机，可以走出医院，在众多院外场景展开应用，比如体检机构、眼镜店、药店、职场等众多眼病高发的场所展开应用，在筛查的过程中展现了良好的效果。

4 人工智能眼底筛查产品获药监审批还有多久

目前国内多家企业的眼底筛查产品已经进入药监审批的阶段，更有多家企业通过了检测进入审批通道。然而面对这一新生事物，相关部门需要时间来准备资质认定的标准和细则，这就导致产品在短时间内很难定价和收费。2018年12月，国家药监局（NMPA）介绍了AI三类医疗器械的审批流程和审批要点，以及临床试验的要求建议等。随后在2019年2月1日，国家药监局医疗器械技术审评中心发布了《深度学习辅助决策医疗器械软件审评要点（征求意见稿）》并公开征求意见，这也意味着AI三类医疗器械的审评标准已离落地不远，产业发展的政策瓶颈有望被打破。

按照2017年8月发布的新版《医疗器械分类目录》规定，若人工智能诊断软件通过算法，提供诊断建议，仅有辅助诊断功能，不直接给出诊断结论，则按二类医疗器械申报;如果对病变部位进行自动识别，并提供明确诊断提示，则其风险级别相对较高，需按照第三类医疗器械管理。二类与三类医疗器械在注册、上市准入等方面均有所区别。按照相关规定，要获得第三类医疗器械证，需通过临床试验。而第二类器械有临床试验豁免目录;同时，二类医疗器械只需在省级药监局注册，而三类器械则要在总局进行产品注册。受此因素影响，目前全国140多家医疗AI企业，尚没有任何一家取得三类医疗器械注册证。但相比于2018年，医疗AI三类器械注册的进展已经取得了重大的突破。一般来说，三类医疗器械商业化落地前要经过三个大步骤：药监部门授权机构检测、药监部门注册审批、医保局定价，这三大步骤需耗时接近4年。

参考文献：

[1]许迅.我国眼底病研究发展现状、进展和努力方向[J].中华眼科杂志，2014，50（11）：801-803.

[2]A Human-Centered Evaluation of a Deep Learning System Deployed in Clinics for the Detection of Diabetic Retinopathy CHI 2020， April 25-30， 2020， Honolulu， HI， USA.

[3]陶梦璋，王雨生.人工智能医学影像分析在眼科学领域应用的现状和展望[J].国际眼科纵览，2018，42（1）：1-5.