AI 模型大幅减少眼科检查错误

研究人员最近设计了一种人工智能算法，似乎比目前医生使用的经典视力测试更准确地诊断视力问题。 根据 Science 报道，该新测试可以将眼科检查的诊断错误减少约 74%。

眼科医生几十年来一直使用相同的视力测试，即基于不同大小的字母和符号的经典眼科检查。测试结果由眼科医生解释，当然，解释结果和给出诊断时可能会出现错误。斯坦福大学的研究人员旨在通过人工智能算法改进这些测试。

根据斯坦福大学的计算机科学家 Chris Piech 的说法，传统测试的一个问题是，当字母变得太模糊以至于测试对象无法看到时，测试对象开始猜测字母。这意味着测试结果可能会因测试对象多次进行测试而有所不同。为了开发一个更准确、更可重复的测试，Piech 和他的同事创建了一个在线测试，使用测试结果来训练人工智能模型。在线测试首先引导用户完成屏幕校准过程。屏幕校准后，用户输入他们与屏幕的距离，然后程序显示一个字母“E”，它以各种方向出现。之后，模型为用户分配一个视力评分，基于统计模型。程序为每只眼睛提出 20 个问题，同时更新其视力评分，然后根据视力评分进行预测。

研究团队将他们的模型运行在 1000 个计算机模拟中，这些模拟模拟了真实患者的输入。计算机模拟通过使用已知的视力敏锐度评分来进行模拟，然后模拟测试中可能出现的错误。研究人员以这种方式进行测试，因为每个测试都有一个“真实”的敏锐度评分，这在人类进行测试时是不可能的。根据研究人员的说法，他们的模型能够将诊断错误减少约四分之三（74%），与经典视力测试相比。尽管这些结果相当令人印象深刻，但 Piech 和他的同事警告说，该模型不打算取代医生，而是一种工具，医生可以使用它来提高诊断的准确性。

眼科医生 Mark Blecher 告诉 Science，该程序是人工智能模型在眼科领域的一个有用和聪明的实现，但研究人员也应该考虑测试对象所处环境等因素，因为这些属性也会影响测试结果。此外，Blecher 预计研究人员可能会在说服眼科医生使用他们的新模型和同意新的标准方面遇到困难，因为现状很难改变。

Piech 和他的同事所做的研究并不是最近有关人工智能和视力的唯一发展。最近，Google 开发了一个人工智能模型，该模型可以偶尔比临床医生更好地识别导致视力丧失的常见眼科疾病。 Google DeepMind 与 Moorfields Eye Hospital 合作开发了一个可以预测患者发展成严重的黄斑变性的机会的模型。另外，一个名为 AEYE Health 的以色列初创公司使用计算机视觉技术和机器学习开发了视网膜扫描仪，可以对常见的眼科疾病进行基本的、准确的识别，如果诊断为阳性，则将患者转介给医生。