近日，第六屆全球人工智能與機器人大會（GAIR 2021）在深圳正式啟幕，140餘位産學領袖、30位Fellow聚首，從AI技術、産品、行業、人文、組織等維度切入，以理性分析與感性洞察為軸，共同攀登人工智能與數字化的浪潮之巅。

在醫療科技高峰論壇上，中山大學中山眼科中心的袁進教授從算法、數據、算力等角度，對目前的AI行業進行了剖析。他指出，算法或許是目前的短闆所在。“不少團隊使用的是第三方提供的算法模型。真正自己去做自研平台、訓練算法的比例隻有1.6%。用公開的方法不是不好，而是公開算法不一定滿足自己特定化的需求，這也是為什麼在算法上進行創新的原因。”

為了能夠促進行業的規範化發展與落地應用，2018年，袁進教授牽頭組建了全國第一個智能眼科學組。他表示，以前，我們講的都是眼科人工智能。現在，要将其調整為智能眼科，以人工智能、5G、可穿戴設備、高清成像、新一代機器人等新時代的技術，融合到臨床上應用，打造真正的智能眼科。

以下是袁進教授的演講内容，雷峰網做了不改變原意的編輯和整理

袁進：各位同道，大家下午好！非常高興受到雷峰網的邀請，來參加這樣一個跨專業、跨學科的交流，認識了新朋友，也見到很多老朋友。我會從專業知識的角度，來分享一下眼科人工智能的發展與挑戰。

世界衛生組織曾寫到，影響人類生存質量的三大疾病——腫瘤、心血管和眼科疾病。我的演講中有幾個關鍵詞，一個是眼科，一個是AI（人工智能）。

AI不是一個新概念，上世紀60年代就已經誕生。為什麼熬到現在才強勢地C位出道？

根源在于2010年算法的突破，以及與實體場景的結合能力大大增強，帶來了AI的井噴式發展。從本質上來說，AI主要是模仿人類思考問題和解決問題的能力。

在AI領域，中國是為數不多、能夠與國際同行并跑或者領跑的學科領域。其他領域都在強調解決卡脖子問題。但是，在AI領域，我們已經是國際上非常重要的一個陣營，來自中國AI領域的論文數量和質量都很高。在這其中，眼科貢獻了非常多。為什麼是眼科，而不是心血管、骨科等其它的專科？

這裡面有兩個原因。

第一，眼睛是一個天然的光學器官，是以影像為主導的學科。所有的眼科診療都需要影像來介導。所以，眼科有大量豐富的影像資料，這就為AI系統的研發提供了必要的原材料。

第二，它有強烈的内在需求。中國有14億人口，但是所有注冊在案的眼科醫生隻有3.3萬人，而且眼科醫生還集中在一些大中型醫院。

所以，每次說到醫療扶貧、優質醫療資源下沉，眼科總是被第一個拎出來，希望下沉到基層。這本身就是一個僞命題，什麼叫優質的醫療資源？優質就是少，少還要讓它“撒胡椒面”，顯然是不可能的。

但這樣一個命題，随着AI的出現有可能在将來得到解決。眼科人工智能的開發，是醫學人工智能的縮影。我們碰到的問題，别人都碰到過，我們沒有碰到的問題，别人可能也還會碰到。

一個好的人工智能系統，要有三個要素：算力、算法、數據。

算力倒不重要，主要是靠錢投入，購買一些計算性能好的GPU工作站搭起來，甚至借助中山大學的天河二号都能解決算力的問題。

但是，最重要的是數據，數據來源是哪裡？

第一是和醫院合作，得到脫敏數據，但是從醫院拿數據，醫院會考慮回報是什麼，是科研文章還是産品共享？這會産生很多合作形式的問題。

第二是免費、公開數據集。現在有很多公開數據集，但是質量良莠不齊。其次，我們使用過Kaggle數據庫，這是全球最大的免費眼底圖像數據集。我們發現，它的錯誤率有15%到20%，這樣的數據庫訓練出來的系統能到什麼層次？

第三，用真金白銀買，很多AI企業燒錢燒得很快，這也不是一個好的方式。

即便拿到了數據，還會有第二個問題——數據的清洗和标注。業内曾開玩笑說，人工智能，先有人工再有智能。要一群醫生給數據打标簽，費時費力，質量還可能良莠不齊。如何解決這個問題？

首先，要學會數據的清晰和分類。數據一定要人工标注嗎？能否有智能的算法對數據進行歸類，進行初步的特征提取，醫生就不需要下場做“運動員”，而是做“裁判員”。

其次，要有公益心，開發出的AI産品願不願意貢獻出來。國家也在強調，要建立規範的、經過嚴格論證标記的第三方數據庫，用于産品的開發、驗證。

所以，中山眼科中心自己花錢做了很多事，把自己做的金标眼底數據集面向全球進行公開免費的發布，命名為iChallenge。

目前，全球已經有2000多個團隊利用這個公開數據集，開發了很多在臨床上應用的人工智能算法系統。

同時，不僅僅是青光眼，我們團隊還跟南方科技大學合作，做了從眼表、角膜這樣一些病變損害特征的數據集，包括眼底的特征參數，都進行了公開和共享。

我們希望能夠有更多的團隊，利用這些金标的數據集去開發高質量的人工智能診斷系統，盡快進入醫療臨床，改變現有的醫療模式。

同時，我們現在做的這些分割系統和算法也開始進入臨床轉化，因為僅僅是出于科研目的是遠遠不夠的。講過，要把科技成果寫在祖國的大地上，所以我們現在也在推行這些算法、系統的轉化和應用。

這是我們團隊開發的診斷眼科疾病——幹眼的基于圖像分割的算法系統，完成了成果轉化。不僅是在中國，經過我們的授權後，國外也裝入了這套系統，這也是國内為數不多被國外主流裝備所采納和應用的案例。

解決了數據問題後，第二個問題就是算法。

在算法層面，我們國家可能存在一定的短闆。因為真正沉下心來做原創算法的團隊和機構不多。不少團隊使用的是第三方提供的算法模型。真正自己去做自研平台、訓練算法的比例隻有1.6%。

用公開的方法不是不好，而是公開算法不一定滿足自己特定化的需求，這也是為什麼在算法上進行創新的原因。

谷歌的Deepmind團隊和英國的Moorfields眼科研究所開發出一個新算法，采取了并聯的方式，去解決醫療應用上的黑箱問題。算法同時将疾病的分類和特征提取分開訓練，最後進行結果的匹配。

還有近年來比較流行的遷移學習。開發出一個好的算法後，基于同類的影像特征，我們沒有必要再把原來的路走一遍，可以通過遷移學習來完成新算法模型的開發。

這個例子就是他們原來做了肺部CT的短發，然後應用到眼科OCT，包括利用不同的熱圖的标記去展示算法讀圖的功能。

當然，人工智能算法也存在同質化的現象——開發一個模型隻能解決一個病。

對于醫生而言，可以一個人看數十種病，不然看一個病換一個醫生，醫生在病人面前就跟走馬燈一樣。

所以，我麼希望AI算法從單模态、單任務轉變為單模态的多任務。同樣一張眼底圖像，不僅僅是能診斷糖網，也能診斷青光眼、高度近視等不同眼底疾病。

這種想法在今年實現了突破：利用眼底圖像訓練後，AI可以對39種眼科疾病，包括全身性高血壓的疾病進行診斷和預測。在這個過程中，要求算法的可視化和可解釋性，這樣才能使更多的臨床醫接受。

要做到這一點，就要使用不同的分類器去解決不同的特征。

另外一點，眼睛是心靈的窗戶，可以反映心腦血管、代謝性疾病、糖尿病等早期的症狀。我們團隊做了一項工作：基于眼科的微血管的特征提取、智能參數的分析，去服務于代謝疾病（腎病和糖尿病等）的早期診斷。

除了單模态的多任務，進一步要實現的多模态、多任務。

在臨床上，醫生診斷一個疾病往往不會隻依靠一種設備，仍然存在着漏診或者誤診的風險。所以，把不同的診斷設備進行整合，形成多模态的人工智能診斷系統，将是未來趨勢。

我們團隊将眼底照相和OCT兩種不同的診斷數據融合後，去診斷青光眼，進一步提升了診斷的效能。目前，實現了雙模态、雙任務，但是要真正實現多模态多任務，還要解決設備在空間和時間上的融合和交叉問題，否則影像特征難以準确匹配。

現在，我們把眼科的幾個重要診斷設備，如OCT、裂隙燈、眼底照相數據集成，正在進行系統開發，硬件也即将進入開發階段。

雖然多模态進入臨床還要一段時間，但是雙模态這種搭載智能診斷系統的裝備已經進入到臨床，這是把眼底照相和OCT兩個不同的模态影像進行融合，在臨床上對眼科疾病進行診斷。

将來，算法會如何發展？

我們看到一個有意思的研究：用人工智能的方法，去計算一個抛出物體在空間的運動軌迹和落地點。

傳統算法的工作量會非常大。但是，從物理學的先驗知識角度來看，如果沒有外界幹擾，遵循簡單的抛物線原理，就能完成算法系統的開發。

因此，我們要抛棄單純由醫生貼标簽的過程，把文本、邏輯等先驗知識結合起來，進行新一代人工智能算法系統的開發。

同時，系統本身還要進行自我進化，也就是遺傳算法。被公衆所熟知的人工智能标志事件是，AlphaGo打敗了人類最頂尖的棋手。後來，Alpha Zero不用學棋譜，隻學裡面的邏輯概念、判定勝負的原則，它自己進行邏輯的歸納，就能完成算法的提升。最後，它又打敗了AlphaGo。

未來，算法要體現自我提升的能力，才不會局限于人類自身的邏輯思維，也就是“超智能”、“超腦”的概念。

走到這裡，人工智能系統隻是走完了開發階段，很多系統會倒在最後一公裡——真實世界研究。換句話說，你的模型、算法框架可以做的很好，但是到了臨床上，能否依然保持高水準。

如果達不到，一定會被市場抛棄和淘汰。

如何去做真實世界研究？要有規範。這個規範沒有答案，也沒有參照物。既然沒有，我們就要自己做。

首先，我們要有一個團體。2018年，我牽頭組建了全國第一個智能眼科學組。

這是一個跨學科的組織，包括97個眼科機構、全國排名前20的眼科機構、研究機構，中科院圖像所、中科院計算所、頭部AI企業、BAT都加入了這個組織。依托這個組織，我們制定了全球第一個針對眼底照相的人工智能篩查、臨床應用指南，為人工智能診斷系統的真實世界研究提供了一個範本。

這份指南是中英文同時發布，英文版在發布不到三個月的時間裡，被國際頂刊轉發超過7萬次。指南也和智能醫學專委會，包括眼科學會和醫師學會等三大學會共同見證，推廣在臨床的使用。

基于指南的要求，兩個醫療AI公司矽基智能、鷹瞳科技在2020年陸續得到NMPA的三類器械批準，這兩個團隊都是來自我們的眼科中心，矽基就是和我們這個團隊合作。

除了指南，我們也在進行行業規範化發展。

2019年，我們舉辦了第一個眼科的人工智能專刊，向眼科醫生推廣人工智能的理論問題。去年，我們也主辦了第一個智能裝備的專刊，介紹智能裝備研發的最新動态。

今年，我們又受《人工智能》編輯部的委托，舉辦了智能醫療的專刊，進一步展示人工智能未來發展的前景。同時，我們完成了人工智能在眼底彩照标注領域的第一個團體标準，使大家以後在系統的開發上更加有規章可循。

人工智能在醫療領域是全鍊條、全生态的覆蓋。

以前，我們講的都是眼科人工智能。現在，把這個詞進行了微調——智能眼科，是以人工智能、5G、可穿戴設備、高清成像、新一代機器人等新時代的技術，融合到臨床上應用，打造真正的智能眼科，而不僅僅局限于眼科人工智能這樣的概念。

目前，我們正在與深睿醫療合作，由我牽頭推進的一個全天候、多場景、交互式的視覺功能導航系統，将工智能的場景識别，包括智能汽車導航的識别方法，對新的元器件進行整合，打造一個對低視力和盲人的智能視力輔助系統，從而改變他們的生活狀态，提升生存質量。

最後，中國眼科人工智能的發展任重而道遠。

國家已經提出了明确的目标，2025年成為人工智能強國，2030年要成為世界主要的人工智能創新中心，要實現這樣一個看起來已經非常近的重大目标，需要醫療專家、理工科技術專家、企業共同攜手。所以，我們的理念是“齊攜手、共努力、期未來”。