AI前進印度眼科醫院第一線，Google用深度學習及早發現7千萬糖尿病患的失明危機

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。