“糖尿病视网膜病变分析技术”借由AI判读系统可以标示出主要病征位置，并提供病变分级资讯，有效协助第一线非眼科医师进行精确诊断。（图片由工研院提供）
电脑不只能拣花生，还能挑病眼！国民健康署调查，台湾每10位糖尿病患者约3位会发生视网膜病变，然而视网膜病变难以早期发现，加上全台眼科医师不足，工研院研发“糖尿病视网膜病变分析技术”，借由AI判读眼底影像可清楚标出病征位置，有效协助医师进行精确诊断。
卫福部统计，全台约有200多万名糖尿病患者，近年更以每年2万5,000名的速度增加。第一型糖尿病患者在罹病15到20年后，几乎所有人都会产生视网膜病变；第二型糖尿病也有超过6成患者会有视网膜病变，其中20%到30%的患者会导致失明。
尽管早期发现便可早期治疗，但初期糖尿病视网膜病变大多从视网膜周围开始，中央视力不太会受到影响，多数患者很难发觉；加上全台眼科医师人力不足，半数乡镇没有执业眼科医师，许多糖尿病患，尤其是偏乡患者无法定期至眼科做视网膜追踪检查，眼底检查比率仅3成，错失早期治疗的黄金期。
高精度AI判读系统 影像标注须取得共识
工研院研发的“糖尿病视网膜病变分析技术”目前与3家医学中心合作，取得数10万张眼底医学影像，由50位多眼科医师标记影像，建构AI训练模型。
目前的视网膜病变分级模型中，“五分类分级模型”能够提供不同分级病患更适当的医疗照护资讯，其判读准确度为85%。“二分类分级模型”则是提供是否转诊眼科的资讯，判读准确度／灵敏度／特异度皆达91%。病征侦测方面，能清楚标示4种主要病征位置，有效协助糖尿病第一线照护医师，如新陈代谢科、家医科或内科医师进行诊断，提高糖尿病患者早期发现视网膜病变的机会。
将AI的深度学习技术，应用在影像辨识上，近年已有多元丰富的成果。工研院巨量资讯科技中心计划主持人李雅文指出，架构AI医学影像判读系统，首先需取得大量的医学影像“让AI学习”。由医疗机构取得大量的医学影像后，先剔除非眼底镜拍摄的影像，与品质不佳的影像，还要清除病患个资；将筛选后的影像，请有经验的眼科医师进行标记，像是老师教学生一样，告诉AI什么才是有问题的影像，一再训练，最终达到医师可接受于临床使用上的效能指标。
“早期病征非常难发现，其中微动脉瘤与小出血点非常像，几乎很难判别，因此需要汇集医生的共识再来进行判别，”李雅文说，一张图由2～3位医师标记，有时候医师彼此意见不同，必须停下来沟通，了解问题并达成共识后，再继续标记。
更不用说，当整套系统部署到测试场域时，还会遇到拍摄者手部晃动、摄影镜头脏污、患者有白内障或瞳孔小而拍不好等状况，“医疗影像AI应用要能真正落地必须要能处理上述问题，有时也需要重新训练、评估调整，待符合需求，才能进行医材临床试验，”李雅文说。
结合ICT技术与医疗领域 造福患者
目前这项技术已与台湾的眼底镜业者合作，正在诊所进行场域验证阶段，预计今年送件卫福部食品药物管理署第二级医疗器材的查验，通过就可正式与医院展开合作，届时糖尿病患者定期至新陈代谢科、家医科回诊时，就可直接以眼底摄影仪器拍摄，透过AI判读，即可迅速揪出病眼，快速对糖尿病视网膜病变进行分级。
2018年4月国外也有研究团队推出以AI判断视网膜病变的解决方案，但仅能做出“是否转诊眼科”的二分类判定。工研院是全球第一个推出5级别分类模型及病征位置的糖尿病视网膜病变辅助诊断的研究团。此项研究计划，可以说是将台湾优异的资讯科技与医疗技术的结合，做了完美的演绎，同时也透过AI加值眼底医材，提升台湾医材的国际竞争力。
（本文转载自工业技术与资讯月刊）
AI怎么做？（图片由工研院提供）
