科技是第一生产力。我们正迈入科技飞速进步的“黄金时代”，它不仅助推了经济社会的快速发展，也在各类应用场景中开创了全新世界。随着人工智能的广泛开发和应用，如今已越来越多地融入医疗领域，曾经出现在科幻片中的场景，也逐渐以更加生动多样的方式投射进现实。

近日，汕头大学·香港中文大学联合汕头国际眼科中心陈浩宇教授团队和新加坡科技研究局付华柱教授团队、苏州大学陈新建教授团队等合作研究的成果《Uncertainty-inspired Open Set Learning for Retinal Anomaly Identification》发表于国际顶级期刊《Nature Communications》(影响因子为16.6)。

视网膜疾病是全球范围内不可逆盲的主要原因之一，早期发现和早期治疗是防治视网膜疾病致盲的关键。但是视网膜疾病的诊断需要专业知识，这影响了边远地区和基层对视网膜疾病的发现。

近年来，人工智能（Artificial intelligence, AI）应用于眼底彩照的分类可以帮助在基层尽早发现视网膜疾病。但是，AI在真实世界应用中仍然存在着挑战。首先，传统的AI在训练的过程中，只能纳入有限的疾病类别和特征（闭合集）。但在真实世界中可能面对没有学习过的疾病、不典型表现、低质量数据等（开放集），传统AI会可能出现误诊。其次，传统的AI无法表达其置信度。如果我们完全依赖AI的结果，可能存在误诊和漏诊而造成一定的医疗风险；如果要保证临床决策准确性，则需要医师对AI的分类结果进行二次评估，增加了医师的负担。

为解决这两个问题，研究团队开发了一个基于不确定性的开放集学习模型(Uncertainty-Inspired Open-Set, UIOS)，该模型的特点是在对眼底彩照进行分类、评估每个类别概率的同时，计算其不确定分数以表达置信度；并引入阈值策略，将不确定性高的结果，如非目标类别、不典型表现、低质量数据和其他模态影像等转诊给人工阅片，从而避免误诊漏诊。

研究团队用9种常见疾病典型特征的眼底彩照来训练AI模型，再用多个数据集来进行测试。结果显示，对于内部测试集，传统的AI模型和UIOS模型的F1分数分别达到92.20%和99.55%；对于典型特征的第一个外部测试集，传统AI降低到80.69%，而UIOS仍然保持97.01%；对于不典型特征的第二个外部测试集，传统AI降低到64.74%，而UIOS仍然保持在91.91%。研究团队进一步用分布外数据（OOD）进行测试，对非目标类别眼底彩照数据集、质量眼底彩照数据集、OCT、OCTA、自然图像数据集，传统的AI都会把他们误诊为9种疾病之中的某种疾病，而UIOS能检测高不确定性，并把这些数据转诊给人工阅片。

该项成果有以下亮点——

一、模拟青年医生思维方式。与传统的AI算法相比，UIOS更好的模拟了年轻医生的思维方式。一般来说，年轻医生会先学习一些常见疾病的典型表现。当他在临床上遇到这样的患者时，会有信心进行诊疗；但是当他在临床上遇见不典型或者自己没有学习过的疾病的患者时，他会觉得自己信心不足，从而求助于高年资医生。UIOS让AI能够表达其不确定，模拟年轻医生的自信程度，把不确定性高的数据进行转诊，在提高效率的同时避免漏诊和误诊，尤其在真实世界的开放集中具有更好的应用。

二、算法应用创新。在算法上，UIOS模型也有很多优点。UIOS通过将骨干网络学习到的特征映射到狄利克雷参数分布空间来直接计算不同类别的置信质量和相应的不确定性得分，易于实施和部署；基于狄利克雷的证据得到的不确定性分数得到良好校准，与模型预测的真实置信水平一致；UIOS 只需对模型进行一次前向传递以获得不确定性估计，不需要多个模型运行或集合平均，计算效率更高，从而降低计算成本。在应用方面，本项研究也是首次将不确定性应用于多分类任务的分布外数据（OOD）检测。

三、医工深度融合实现新突破。这项研究是医工合作的典范，由医学团队提出需要解决的临床问题，由工科团队提出技术方案，在研究的设计、实施和论文撰写阶段，都由医学和工科团队反复多次一起讨论、修改、实施。论文由新加坡科技研究局博士后王猛、汕头大学·香港中文大学联合汕头国际眼科中心博士生林田、南京航空航天大学博士生汪恋雨作为共同第一作者，新加坡科技研究局付华柱教授、汕头大学·香港中文大学联合汕头国际眼科中心陈浩宇教授、苏州大学陈新建教授作为共同通讯作者，汕头国际眼科中心林艾迪博士生、张铭志教授、彭智培教授等作为共同作者。该研究由国家重点研发计划、汕头市科技计划、李嘉诚基金会交叉研究项目等资助。

科技未来无可限量！汕头国际眼科中心团队将在这漫漫征程中，始终饱含热情、富于想象，致力于不断解锁眼健康“密码”，探索智能健康领域尚不可知的未来世界……

文章链接https://www.nature.com/articles/s41467-023-42444-7