來自世界衛生組織的報告，全球約有4.2億糖尿病患者，其中三分之一會患上併發症糖尿病視網膜病變，其中10%會導致完全的失明。全球2.6%的盲症可以歸咎於糖尿病。
糖尿病致盲的眼睛即便通過手術也無法恢復光明。早期糖網篩查可以預防致盲，而且治療成本也較低。
但是由於糖尿病屬於內分泌科疾病，而視網膜疾病往往在眼科進行眼底拍照檢查。以往醫生的方式是告知糖尿病患者去眼科進行眼底檢查。
但是仍然有超過50%的糖尿病患者並沒有進行定期的眼部篩查，錯過最佳干預時期而致盲。AI進行糖網初篩可以滿足內科的初篩已經後期的隨訪需求，解決內分泌科眼底照相設備不足及人才缺乏問題。
早在2016年，谷歌這樣的公司宣佈可以利用人工智能進行糖網病篩查，精準率超過90%，在技術快速迭代的今天，幾周前的谷歌Google I/O大會上，CEO Sundar pichai專門回顧了谷歌AI實現的糖網篩查，同時也引出了該項技術在心腦血管疾病檢測上的進一步發展。
可見在國外AI落地不僅是一個醫學影像識別技術上的突破，更是一個切入醫療領域，打通各個節點的過程。隨著技術問題的更新迭代，在AI糖網篩查行業又有哪些新的痛點呢。
為何國外各大公司研發投入多年後，在AI糖網篩查領域還是隻有一款產品通過FDA認證，允許其商業化？
AI輔助糖網篩查行業三大痛點
一、糖網篩查AI技術問題。在AI輔助糖網篩查影像識別上需要在敏感度和假陽性之間達到平衡。敏感度高，假陽性結果數量多將導致醫生的後續篩查工作量過大。另外醫療對算法的要求也很高。
AI技術必須面對處理自然語言的問題和非結構性數據的問題。IBM的waston系統就曾面臨著在醫院應用時，醫生必須輸入有條理的數據，但並不是所有的數據都是有條理的，從而加大了醫生負擔。
福布斯雜誌曾這樣寫到：“沃森需要幾個月時間進行繁重的訓練，而專家們需要給該平臺飼餵海量條理清楚的數據，以使其能夠得出有用的結論。對於沃森系統來說，‘條理清楚’的要求很難達到，因此未經整理過的數據一般都用不上。結果，沃森用戶不得不僱傭諮詢專家團隊，對數據集進行改進整理，既費時又耗錢。”
二、產品認證問題：雖然常常有新科技和產品聲稱可以解決糖尿病視網膜病變問題，但是目前在國外市場上，通過FDA認證的只有IDx-DR。
三、任何深度學習和大數據都需要大量開放的數據。在醫療領域，數據涉及的隱私安全問題。
人工智能深度學習的數據來源將直接決定結果的好壞。用於糖尿病視網膜病變篩查的圖像必須要保證圖像質量和分級的正確性，確保其中沒有因為機器和數據來源的異同而受到干擾。
糖尿病視網膜病變的種類分為：NPDR(非增殖性糖尿病視網膜病變);PDR(增殖性糖尿病視網膜病變);DME(糖尿病黃斑水腫)；VEGF：血管內皮生長因子；PRP（全視網膜激光光凝）六種，對圖像分級的要求非常高。
用AI輔助糖網篩查已經發展了幾年，國外各個公司也不斷宣佈新的進步。從他們的歷程上或許可以得出到底是如何解決上訴糖網篩查落地問題的。動脈網對此進行了梳理。
谷歌：技術實現迭代，希望為糖網篩查深度學習領域提供標準
早在2016年，谷歌就宣佈能夠通過神經網絡算法，監測糖尿病視網膜病變，準確度高達90%。
直到今年的谷歌Google I/O大會中，谷歌CEO都一直持續介紹這一技術的發展。今年穀歌Google I/O大會中Sundar pichai宣佈，可以通過眼底篩查出心血管疾病。
2017谷歌Google I/O大會中，谷歌CEO·Sundar pichai 在宣佈谷歌AI計劃之時就表示希望用AI技術造福人類，其中醫療是AI能夠轉變的最重要的領域。在今年的Google I/O大會中，Sundar picas 介紹了谷歌AI在糖尿病視網膜病變識別上的突破，他進一步指出，對於人類醫師，可能會忽略一些的微弱的相關性，谷歌已經實現能夠使用篩查糖尿病視網膜病變同樣的眼部篩查器來預測患者五年內的心血管疾病風險。
Sundar pichai在谷歌大會上介紹到：“去年，我們宣佈了在糖尿病視網膜病變上的篩查的進展，糖網是致盲的主要原因，我們開發了AI技術幫助醫生進行糖網的早期篩查，谷歌接下來在多地進行了臨床實驗，例如在印度的醫院，臨床實驗結果顯示非常好，AI技術可以用專家的診斷幫助醫療資源缺乏的地方。”
雖然早在2016有研究證明AI能夠為用來幫助實現糖網篩查，但是真正這項技術完善和落地，谷歌進行了很多努力。
谷歌為了提高AI的準確性和可靠性，研究者們使用了來自美國糖尿病視網膜篩查網站和印度眼科醫院的128175幅圖像，並且每一張圖片都依靠三到七名眼科醫生或眼科實習生進行分級，確保其中沒有因為機器和數據來源的異同而受到干擾。
在今年4月初，在《Ophthalmology》雜誌上，谷歌研究人員發現AI的糖網篩查已經能夠實現和醫學專家平分秋色。谷歌AI的研究人員發現，他們可以通過使用專門研究視網膜疾病的眼科專家調整過的圖像來改善他們的AI疾病監測軟件。
在2017年第一次測試中，機器學習技術能夠識別DR的病例，其靈敏度為90.5%，特異性為91.6%。敏感性是指能夠正確識別患有該疾病的人的能力，而特異性是正確識別人沒有患病的幾率。
然而，使用新的分級圖像，這些圖像由美國委員會認證的眼科醫生和視網膜專家的共同認證，然後再被餵給人工智能，研究者能夠提高算法的靈敏度為97%，其特異性提高到92%。
此外，人工智能優於大多數眼科醫生的決策，醫生們的整體敏感性為84%，特異性為98%。
技術進步後開始輸出嚴密標準，多重商業化之路
谷歌認為人工調整後的圖片提高了人工智能準確率。這一工作能夠為進一步的研究提供基礎，併為深度學習在醫學領域的應用提供了參考標準。
在這項研究中，圖片同時被算法，美國認證的眼科醫生和視網膜專家識別分級，視網膜專家的一致意見被當作訓練算法的參考標準。結果顯示，谷歌AI算法的準確度略高於眼科專家。
其中不難看出谷歌多年來在技術領域投入後，不僅實現了技術沉澱和進步，已經開始輸出行業標準。雖然人工智能領域不乏參與者，但是鮮有公司能夠公佈嚴密的測評體系和標準。
無論是臨床試驗還是學術驗證，谷歌AI的都已經證明了其實力，通過糖網篩查這樣的具體醫療項目，能夠實現其AI落地和商業化。
在FDA審查和認證方面，此前谷歌病理醫學影像負責人Lily peng 成表示過FDA的嚴監管主要是認為新技術或者新設備只是現有醫療成像和處理設備的升級版本，只要公開的功能有充分的證據支持，就能獲得FDA批准。
但是谷歌目前還沒有進入FDA審批消息。也許谷歌也會選擇通過商業化外包的形式為大型醫療設備和製藥公司提供外包原型和研發引擎。
這些巨頭可以為新發明背後的知識產權和技術支付費用，然後將其商業化專業知識付諸實踐，並將其真正推向市場。例如Verily 在2014年將其智能裝置授權給了諾華。
IBM：整體解決方案落地更快
在糖網篩查上，IBM同樣以深度學習技術輔助糖網篩查。IBM使用基於深度學習、卷積神經網絡和視覺分析技術的混合技術，通過來自EyePACs35000多張眼部圖像，IBM技術能夠被訓練來識別微動脈瘤、出血和滲出物病變等，來顯示視網膜損傷，並評估疾病的存在和嚴重程度。
IBM團隊的算法能夠按照國際臨床DR量表識別視網膜圖片，識別為5個級別（無DR、輕度、中度、中度、增值性DR）該方法在評估DR上，能在20秒內，做到86%的準確度。表明醫生和臨床醫生可以使用該技術來更好地瞭解疾病進展情況以及識別有效的治療方法。
IBM現已經看到實體的項目落地，在洛杉磯衛生部門，利用辦公室室內訪問、遠程醫療和基於網絡的篩查軟件的混合，洛杉磯衛生部能夠極大地擴大其安全網醫院的病人數量。
利用IBM的系統能夠減少醫務人員冗餘工作量，篩查等待時間縮減了近90%，糖尿病視網膜病變總篩查率提高了16%，數字計劃也消除了近14000次訪問專業護理人員的需要。
隨著研究的深入，IBM也希望和眼科醫生合作，其旗下沃森健康致力於將認知成像引入眼部健康領域。
IDx：首個糖網篩查AI軟件獲FDA審批，成功經驗在於和醫生合作
雖然谷歌和IBM在糖網篩查上各有長處，但是兩家公司的醫療AI都沒有通過FDA的認證。但是目前通過FDA批准的設備只有IDx一家。
FDA在4月批准通過了一項應用於糖網篩查的自助式人工智能診斷設備。同樣是應用於糖網篩查，IDx的成功經驗或許能給想要實現AI落地的公司一些啟示。
通過FDA的聲明，FDA主要看好他的醫生的合作。而不是谷歌一直同醫生比試的路子。
IDx在審批流程上就花了兩年，單就和 FDA 在如何評估系統並確保其準確性和安全性方面的溝通，IDx就花了7年。最近FDA也批准通過了一款能夠實現自動篩查糖網的AI軟件的商業化。
該公司名為IDx,公司理念為通過自動化轉變健康理念。篩查糖網產品名為IDx-DR,這是FDA通過的第一個基於人工智能的診斷系統商業化。該產品的特點是能夠提供篩查的診斷而無需臨床醫師的解釋。
來自官網的參數顯示，IDx-DR在敏感度上達到87%,專業度上達到90%，成像性上達到96%。
IDx最初的設想從20年前就開始了，當時創始人Michael Abramoff博士在荷蘭執業眼科醫生。
Michael Abramoff博士注意到他花了很多時間在篩查沒有糖尿病視網膜病變的患者上，反而讓那些有致盲風險的患者拖延了幾個月。
此外，IDx-DR在歐洲地區的產品分銷上也和IBM Watson 展開合作。FDA設備和放射衛生中心眼科和耳鼻喉裝置司司長Malvina Eydelman博士在FDA聲明中指出，這項技術在早期發現視網膜病變方面特別有用。
這是目前治療這種疾病的一大障礙，因為一半的糖尿病患者沒有每年看他們的眼科醫生。
IDX的顛覆性技術為初級護理醫師提供了臨床決策的工具。FDA的描述指出，陽性的結果會建議病人尋求“眼科護理專家”。這是一個有趣的發展，因為在人工智能是否會取代醫生的辯論中，大部分注意力都集中在放射學領域。
與此不同的是，IDX的測試是為了在初級護理時減少篩查過程，以減少那些想獲得眼科專家專業治療的等待時間。
利用智能手機進行糖網篩查的印度公司致力於解決欠發達地區問題
在糖網篩查國外還有一家出色的公司，通過輕量化的設備和智能手機的結合進行糖網篩查和黃斑性眼病篩查。
Remidio是印度一家致力於在視覺護理中設計和開發智能、創新和顛覆性的成像技術。在今年三月，Remidio宣佈可以通過將AI與智能手機結合進行糖尿病視網膜病變篩查。
該研究發表在《Nature Eye》上，來自印度金奈Medras糖尿病研究所的研究人員發現一款名為Fundus on phone的和智能手機結合的AI設備對監測糖尿病視網膜病變有著很高的靈敏度，該軟件有95%的敏感性和80%特異性。
該研究的作者寫道，使用AI這樣的自動化軟件和遠程醫療可以更快地實時篩選出大量糖尿病患者。
雖然在敏感度和特異性上不如巨頭公司，但是Remidio的優勢在於利用了智能手機這一便捷的設備。在硬件上利用了便攜設備以外，Remidio還配套建立了由知名醫院的資深視網膜專家組成讀片中心，這些專家能通過遠程醫療方案提供實時的照片診斷。
通過其官網的介紹，這家印度公司的眼底篩查方式主要特點為告別了以往笨重、昂貴的設備，而主打便捷性和可移動性和對患者的友好性和相對低價。他們認為像手機這樣的消費設備已經引入了很多有趣的技術，醫療設備的功能也變得豐富，但是它們卻不一定簡單易用。
“鑑於糖尿病患者數量的驚人增加和缺乏視網膜專家照片的培訓專家，一種基於眼底圖像的計算機分析的自動化方法將減少衛生系統篩查DR的負擔。”研究人員寫道。“因此，人們對於用深度學習和人工智能神經算法這些技術自動分析糖尿病視網膜圖像的研究興趣也在逐漸增長。
同時來自印度的Remidio也明確表示希望能夠通過創新出顛覆性的產品，實現成本控制。從而解決發展中國家醫療中面臨的基礎設施薄弱和人力資源缺乏。世界上大約有2.85億視力受損人口，而80%都可以通過早期的篩查避免，其中低收入地區群體佔90%。
綜上所訴，在糖尿病視網膜病變這一領域，無論是巨頭還是創業公司都投入大量成本進入。經過數年發展，成果已經開始落地。
無論是實效還是技術層面上，都推動了糖尿病視網膜病變篩查的進步。醫療落地的臨床應用難點以及審批難題等難題也逐漸暴露出來。
從幾家公司在糖尿病視網膜篩查交出的成績單可以看出各個阻礙也在解決當中。技術的更新迭代越來越快，谷歌從宣佈糖網篩查到超越人類水平一共用了兩年了，而在心血管上技術進步僅僅用了一年。
無論是IBM還是印度的Remidio都是適合地區和國情實際的落地案例。更多的糖尿病視網膜患者和醫務人員將受益於技術。
閱讀更多 動脈網 的文章
