很多老年人都会有眼睛黄斑部退化(又称老年性黄斑部病变)的毛病,会让视力开始变差,双眼中央视野模糊;最早还能使用倍数更高的放大镜来阅读,但到最后可能都看不清他人的面孔。


老年性黄斑部病变 

老年性黄斑部病变(AMD)是五十岁以上美国人丧失视力和失明的主要原因。这是一项不治之症。下图里有两个拿着球的小男孩,画面就象是AMD患者视物的情况。

“(AMD)患者痛苦不堪。不管看着哪里,中心点都是一片模糊。”华盛顿大学眼科学家,也是专攻视网膜问题的助理教授 Dr. Aaron Lee 说。

适合人工智能

Lee 认为人工智能能派上用场,不只是协助 AMD 患者,还有因眼疾而丧失视力的人。

他说 GPU 加速深度学习或许能检测到医生没发现出的疾病迹象,或是加快诊断速度,让医师能更早展开治疗。他已经开发出深度学习算法,可以发现AMD和损害中央视力的黄斑水肿症状。

Lee 说在所有医疗领域里,眼科学最适合从 GPU 加速深度学习里受惠。眼科医师不只能收集训练神经网络所需的大量资料,整个领域里的资料也达到高度标准化的水平。

“一些惊人的事情”

Lee 和他的团队专注于光学同调计算机断层扫描(OCT)测试,这项测试使用光波拍摄视网膜的横截面图片。医生每年进行超过五百万次 OCT 测试来诊断 AMD、青光眼和糖尿病性视网膜病变等疾病,糖尿病患者的高血糖情况会损伤视网膜中的血管及影响视力。

研究人员将十万名患者 OCT 扫描及其电子病历串连起来,以建立 AMD 检测算法。他们使用 CUDA 平行运算平台和 GeForce GTX TITAN X GPU,加上 cuDNN 加速 Python Caffe 深度学习架构,训练出一套辨识 AMD 患者的神经网络,准确率达到 93%。

光学同调计算机断层扫描(OCT)测试让医生看到每个视网膜的独特层次。 (图片来自Ugur Onder Bozkurt通过知识共享。)

仅花了三周时间便开发出的 AMD 算法,消除了 Lee 对 GPU 加速深度学习优点的疑虑。

他说:“我在这里看到一些惊人的事情。使用寻常计算机架构来处理这般规模的资料集,并且训练一套跟我们使用的规模同样庞大的神经网络,根本就做不到。”

人工智能媲美专家水平

对那些结果十分满意的 Lee,加入八个 NVIDIA Tesla P100 GPU 的运算能力,以克服在 OCT 扫描中辨识视网膜内液(IRF)的难题。视网膜血管受到损伤时,会出现 IRF 的情况。医师观看 IRF,以判断患者对药物的反应及改善情况。

该团队训练了一套神经网络,以像素为单位来辨识 IRF,而当前则是靠着医师进行人工判断。这套算法的表现达到专家水平,可以让医师长期客观地追踪患者的改善程度。

Lee 说:“我们利用深度学习找出扫描图片里看不到的特征。”


在上方的 OCT 扫描图像里,黄色区域是人工智能确认出进行诊断时最重要的参考区域。这些区域完全符合图像里异常特征的位置(图片提供:Aaron Lee)。

对人工智能的目标

然而 Lee 见到人工智能有更多机会将为眼科的未来发展,带来不同的改变。

他希望能更快速、更有效地检测眼疾,如此一来医师就可以投入更多时间在治疗病患上。这套系统或许有助于解决治疗高龄人口的医师人数短缺,或是在医生短缺地区提供照护人手的问题,同时对于导致 AMD 和其他疾病的原因出现新的见解。

Lee说:“未来人工智能将在治疗患者方面发挥重要作用。”

如需更多信息,请见 Lee 的研究报告:

Deep Learning Is Effective for Classifying Normal versus Age-Related Macular Degeneration OCT Images

Deep-learning based, automated segmentation of macular edema in optical coherence tomography

Assessment of the need for separate test set and number of medical images necessary for deep learning: a sub-sampling study

研究团队在 github 上公开研究资料:https://github.com/uw-biomedical-ml/oir 及 https://github.com/uw-biomedical-ml/irf-segmenter