出乎大部分人意料的是,近视已经成为“国病”,而大数据、AI或许将有助于解决问题。

9月11日,上海市儿童青少年近视防治技术中心揭牌成立。据悉,上海儿童青少年总体近视率为56.6%,高出全国平均水平3个百分点,并且仍以每年1-2个百分点的趋势上升。

而在全国,近视总人数约5亿,其中青少年占比达50-60%,并且患病率逐年上升,发病年龄显著提前。

毫不夸张地说,近视造成的损失已经达到了影响人口质量、危害国家安全的程度。

由于年轻一代近视率奇高,征兵及民航招飞的视力要求不断放宽。军事、航空航天、消防安全等领域面临巨大劳动力缺口,最终危害的是国家安全。

在社会经济层面,有数据显示,全球由于近视视力障碍引起的生产力损失总成本高达3920亿美元。

大数据与AI助力近视防控

需要指出的是,医学上并没有治愈近视的方法,只能通过科学矫正、改善用眼习惯等避免近视加重。

我国把近视防控作为国家健康战略的重要一环。去年发布的《综合防控儿童青少年近视实施方案》提出,到2023年实现全国儿童青少年总体近视率在2018年的基础上每年降低0.5个百分点以上。

对此,温州医科大学附属眼视光医院院长瞿佳提出,在方案的具体落实中,大数据将起到重要作用,其中包括了通过近视普查建立近视防控本底信息系统以及建立近视防控大数据平台。

青少年近视防控大数据主要包括了视觉健康档案和近视本底数据、近视家族遗传(家族史)数据、儿童青少年生长发育数据、行为活动背景数据(户外、姿态、照明等)、读写距离、时间长度及强度数据、近视屈光矫正史、近视进展的控制和治疗、病理性高度近视的诊断和治疗。

而在这些大数据的形成途径中,人工智能有望扮演重要角色。

比如在近视本底数据调查中,可研制智能化、集成化无人值守近视检测机器人,实现真正意义上的智能检测。在行为活动背景数据采集中,可以运用智能化视频(如人脸身份识别)来监督儿童有足够、有效的户外活动时间。另外,智能可穿戴设备还可监督儿童的户外活动时间、学习姿态、阅读时长、环境因素等。

当然,在眼科图像智能筛查方面,“AI看片”的图像分析能力更是大有用武之地。

瞿佳建议,应基于近视风险预测深度学习模型建立精准化大数据与人工智能分析平台,实现互联网、物联网与智能分析的深度结合。

AI辅助分级诊疗平衡供需矛盾

在眼科领域,技术的核心价值在于有望平衡诊疗资源的供需矛盾。

北京协和医院眼科常务副主任陈有信教授表示,人口老龄化、青少年近视、工作人群眼健康等问题都令眼科诊疗的需求急速增长。

据统计,我国眼底血管性疾病(如DR、AMD、PM、RVO)患者人数共有2200万人、青光眼患者2100万人、白内障及角膜病各400万人,“看病难看病贵”问题突出。

但供给与需求却是失衡的。尽管中国眼科医生数量在增长,但每百万人口眼科医生占比仍有挑战,短期内无法培养出大量眼科医生。

另外,眼科医生的分布与诊疗需求也不匹配。70%的眼科患者生活在基层,而70%的眼科医生则在大中城市。

因此,分级诊疗被认为是解决眼科诊疗需求和供给不平衡的良方。而在基层眼科能力仍需提升的现状下,通过人工智能等创新技术手段,可以有效提高现有体系效率。

以北京协和医院眼科为例,其在医生+AI+远程方面已经做出了初步探索且颇有成效。

在桂东临床试点项目中,协和医院与卫健委国际交流中心健康快车合作,为湖南省郴州市桂东县人民医院提供了AI+医生远程眼科筛查服务。

在项目实施过程中,桂东县人民医院医生给患者拍眼底照,照片上传至AI系统,AI辅助筛查并协助草拟诊断,医生远程复核并最终给出诊断建议。

4个月的运行共上传眼底影像1637例,检查患者415人,除91例未见异常,其他各种眼疾人数324人,其中包括糖尿病视网膜病变阳性患者67人。

但同时,AI的应用探索也面临不少挑战,如基层医生眼底照相技术不精,低质量的照片不仅给AI阅片造成困难,甚至连医生都难以阅片,因此医生需要提升相关拍照技能。

另外,早期患者病史的缺少和不完整也会给诊断造成困扰,需要在软件系统中强化病史采集,并向基层医生强调病史收集的重要性。

值得期待的是,医生逐步适应AI工具后,将可达到“医生+AI > 医生”的效率提升,促进AI早日真正用于临床。

数据驱动下的眼疾诊疗

人工智能用于眼科的重要优势就是眼科的数据丰富性。

北京致远慧图科技有限公司CEO孙宇辉表示,眼睛虽小但数据不少。其中典型的图像数据包括了眼外观照片、眼底彩照、病理图、超声、造影、OCTA(眼底相干光层析血管成像)、角膜地形图等。

基于这些数据,人工智能在眼科可以通过辅助筛查、辅助诊断、辅助治疗来解决临床问题。

比如,对糖尿病视网膜病变(DR)的辅助筛查实现早发现早干预,可以大大降低医疗费用。中国有糖尿病人口1.1亿,如果不早发现早干预,将会产生巨大的DR治疗费用。

在DR的辅助诊断方面,人工智能可以自动识别黄斑、病灶、增值膜、微血管瘤、激光斑。类似技术还可用于白内障及青光眼的辅助诊断。

在辅助治疗方面,人工智能可以用于白内障核分级且效果显著。经过实验,AI模型的预测结果与医生诊断差异在一级以内,AI模型与医生诊断的核分级平均误差只有0.301级。

当然,AI在眼科的应用还有许多问题需要探索。

孙宇辉表示,在真实世界里AI的应用效果还有待评价,如诊疗效果、社会/经济效果、患者接受度等。另外,诊疗责任的厘清、收费标准、监管方式等都有待进一步探讨。

陈有信教授也坦言,基于AI和远程的分级诊疗模式仍待探索。此类模式成功的前提条件在于技术的可达性及合规性,包括AI的优效性及安全性,AI医疗器械的CFDA准入以及创新诊疗模式是否符合政策及监管要求等。

他建议,可在符合条件的医院/医联体开展试点,研究解决试点中的问题。比如,规范各参与方的责任和义务,鼓励参与分级诊疗的医生和医疗机构;研究制定符合市场规律的收费模式和收费标准等。