Google今日(8日)在臺發布一項將電腦視覺技術應用在醫療領域的研究,透過電腦視覺技術和深度神經網路演算法,可從視網膜眼底圖像中,辨識出糖尿病視網膜病變,準確率與專業醫師不相上下,這項研究早在去年底就已經發表論文,今年更進一步在印度最大的連鎖眼科醫院Aravind正式進入臨床應用的階段,輔助眼科醫師診斷糖尿病視網膜病變。

國際糖尿病聯盟(IDF)2015 年最新的統計數據指出,全球糖尿病患高達4.15億,其中3~5成的病患有視網膜病變的危機,而視網膜病變的患者中,又有1成會失明,也就是說,每20人就會有1人有失明的危機,其中印度有將近7,000萬名糖尿病患,Google研究團隊產品經理彭浩怡指出,印度目前缺少12.7萬名眼科醫師,其中有45%的糖尿病患者因為遲遲未能得到醫師的診斷治療,而飽受視力衰退的折磨。

Google這項研究與印度當地最大的眼科醫院Aravind,和另一家眼科專門醫院Sankara Nethralaya 聯盟,收集了13萬張過去的視網膜眼底圖像,並且已經過去識別化的處理,還聘請了54位眼科醫生,組成建立視網膜病變標籤的大軍,將視網膜眼底圖像建立標籤(Label),甚至有些圖像較難辨讀,得要醫師多次診斷,最高需要經過7次判讀才能正確判斷,最終這13萬張圖像,總共經過眼科醫師88萬次的診斷,成為演算法的訓練資料集。

醫師建立的標籤即是資料的真實值(Ground Truth),經由深度神經網路的演算法的訓練後,Google研究團隊利用開源的機器學習架構TensorFlow,演算法過程經過26層卷積神經網,機器可正確地辨識出視網膜病變的5個階段,分為無、輕微、中度、重度、增生性糖尿病視網膜病變,正確率與專業眼科醫師的辨識率相當。

這項研究源自於Google研究團隊產品經理彭浩怡,她同時也是一位具有執業醫師資格的專業醫師,「Google有個政策是讓大家可以投入20%的上班時間在自己有興趣的專案中。」她表示,由於自己擁有醫學背景,也深深地了解糖尿病視網膜病變引發的失明,是完全可以預防的,且糖尿病視網膜病變就是造成全球失明人數迅速攀升的主因,因此,她開始與印度的醫院交流,經過多次討論後,這項原本只投入20%時間的專案,慢慢地壯大。

彭浩怡表示,定期篩檢是預防失明的關鍵,視網膜眼底圖是透過特殊的醫學鏡頭拍攝眼球,再由醫師判斷圖像中有無病變,她表示,糖尿病視網膜病變的狀況分為5級,分別是無、輕微、中度、重度、增生性,若是輕微的病變,只會有非常微小的血管瘤,就連醫師都很難判讀出來,且一般的眼科醫師也需要經過長時間的訓練才可以正確地辨識。

目前這項研究還在臨床實驗的階段,還未正式在美國的醫院實施,彭浩怡表示,雖然技術已經成熟,但在印度眼科醫院試行時,發現硬體是新的挑戰,視網膜眼底圖像需要經由特殊的醫學影像鏡頭拍攝,未來Google可能會與Nikonck合作,一同開發醫學影像鏡頭。

她認為,即使在系統在印度眼科醫院試行的辨識結果,正確率高於眼科醫師,但在不同的環境有許多變因,要拓展到各家醫院還有許多工作要做,接下來還要與醫師建立信任,要讓醫師能夠理解判讀的結果,並且設計工作流程和使用者介面,要使系統符合醫師的工作流程,她表示,短時間之內可能還不會正式在美國醫院推出,因為根據過去的經驗,經由主管機關美國食品藥品監督管理局(FDA)的審核時間平均需要5年。

彭浩怡補充,這項判讀糖尿病的病變的研究,也可以應用在癌症腫瘤切片上,因為活體組織切片,有很多資訊要判讀,本來就不容易辨識,若有深度神經網路演算法協助辨識,可輔助醫師診斷,也可以減少誤診的機率。

Google臺灣董事總經理簡立峰表示,過去醫療和資訊科技都是大家投入許多心力的領域,這次AI的技術讓這兩個領域可以跨域的結合,「以前要做醫學相關的科技研究,特徵萃取工程是一大門檻!」由於醫師太忙碌,工程師又不懂醫療領域的特徵,在特徵萃取工程的工作上,往往花了最多時間。

但是,深度神經網路則不需要人工挑選特徵,演算法會自動完成特徵萃取的工程,不需要經過繁複的特徵工程,因此,跨領域的研究變得更加有機會,他表示,臺灣若要投入相關的研究,其實是非常有機會的,因為臺灣擁有足夠的醫療數據,也有開源軟體工具可以使用,且醫療領域每個國家有自己本地的特色和資料。


Advertisement

更多 iThome相關內容