AI模型大幅降低眼科检查误差

研究人员最近设计了一种人工智能算法，似乎比医生目前使用的经典视力测试更能准确诊断视力问题。据《科学》杂志报道，这项新测试据称可将眼科检查的诊断误差降低约74%。 几十年来，眼科医生一直使用相同的视力测试，即基于不同大小字母和符号图表的经典眼科检查。测试结果由眼科医生解读，当然，在解读结果和给出诊断时可能存在误差。斯坦福大学的研究人员旨在通过AI算法改进这些测试。 据斯坦福大学的计算机科学家Chris Piech称，传统测试的部分问题在于，当字母变得过于模糊以至于受试者无法看清时，受试者会开始猜测字母。这种猜测意味着，如果一个人多次进行测试，结果可能会有所不同。为了开发一种具有更好准确性和可重复性的测试，Piech及其同事创建了一项在线测试，测试结果被用于训练AI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，然后程序会显示一个以不同方向出现的字母“E”。完成后，模型会根据统计模型为用户分配一个视力分数。该程序为每只眼睛询问20个问题，并在此过程中更新其视力分数，然后根据视力分数给出预测。 研究团队通过1000次计算机模拟来运行他们的模型，这些模拟模仿了真实患者的输入。计算机模拟的运作方式是，先输入一个已知的视力敏锐度分数，然后模拟人在进行测试时可能犯的各类错误。研究人员以这种方式进行测试，是因为对于每次测试都存在一个“真实”的敏锐度分数，而这在人类进行测试时是无法确定的。据研究人员称，与经典视力测试相比，他们的模型能够将诊断误差减少约四分之三（74%）。尽管结果相当令人印象深刻，但Piech及其同事提醒，该模型并非旨在取代医生，而是一种医生可以用来提高诊断准确性的潜在工具。 眼科医生Mark Blecher向《科学》杂志表示，虽然该程序是AI模型在眼科领域一个有用且巧妙的实现，但研究人员还应考虑诸如受试者进行测试的环境等因素，因为这些属性也会影响测试结果。除此之外，Blecher预计研究人员可能难以让眼科医生使用他们的新模型并达成新的标准，因为现状往往难以改变。 Piech及其同事所做的研究并非近期AI与视力领域唯一的进展。最近，谷歌开发了一种AI模型，在识别可能导致视力丧失的常见眼病方面，有时能超越临床医生。谷歌DeepMind与Moorfields眼科医院合作，开发了一个能够有意义地预测患者发展成严重形式黄斑变性可能性的模型。在其他地方，一家名为AEYE Health的以色列初创公司利用计算机视觉技术和机器学习开发了视网膜扫描仪，该仪器可能对常见眼病进行基本、准确的识别，如果诊断呈阳性，则将患者转诊给医生。