中山眼科中心AI研究成果发表于《自然生物医学工程》
医学领域的重磅新闻再次引起广泛关注！中山大学中山眼科中心的研究成果在医学人工智能领域取得了重大突破，相关成果已发表在权威杂志《自然生物医学工程》上。
医学人工智能的新纪元已经拉开帷幕。在这一背景下，中山大学中山眼科中心展现出了其在医学领域的卓越实力。面对医学人工智能发展所面临的挑战，如数据提取困难、数据标注效率低下以及跨学科场景的应用难题，该中心在国家重点研发计划、国家自然科学基金面上项目以及广东省科技计划项目的支持下，积极开展研究，取得了显著的成果。
林浩添教授提出的医学人工智能“乐高”计划，为这一领域的发展注入了新的活力。该计划以标准化数据标注模式、提高数据标注效率以及建立医疗数据区块链为战略部署的核心。这一创新性的计划将医学数据转化为可以灵活拼插组合的“乐高”模块，从而打破了不同疾病学科之间的数据壁垒。
该计划的实施，旨在解决目前医学人工智能发展中所面临的一系列问题。通过采用标准化的数据标注模式，能够大大提高数据标注的效率，为人工智能算法的训练提供更加丰富、高质量的数据。建立医疗数据区块链，可以确保数据的真实性和安全性，为医学研究和临床实践提供更加可靠的数据支持。
通过“乐高”计划的实施，医学人工智能将在疾病诊断方面发挥更大的作用。尤其是中山眼科中心在眼病诊断方面的研究成果，将为眼科疾病的智能高效诊断提供强有力的支持。这一成果将为医生提供更加准确、全面的诊断依据，为患者带来更好的治疗效果。
这一重大突破标志着中国在医学人工智能领域迈出了重要的一步，也展示了中山大学中山眼科中心在医学领域的卓越实力。相信在不久的将来，医学人工智能将会为更多疾病的治疗提供强有力的支持，为人类健康事业的发展做出更大的贡献。医学人工智能“乐高”计划迎来重大突破：Visionome技术的跨学科应用验证成功
作为医学人工智能“乐高”计划的首个重要研发成果，Visionome技术成功打破了传统界限，实现了人工智能在跨学科、多病种领域的广泛应用。这一重大进展充分证明了医学人工智能“乐高”计划的高度可行性。目前，研究团队已经与数十家医院建立合作，共同推进这一计划的跨学科应用。
全新亮相：首创医学图像密集标注技术Visionome
我们荣幸地推出全新的医学图像密集标注技术——Visionome。这是一种基于解剖学和病理学特征，对医学图像进行密集标注的创新方法。这一技术由林浩添教授、刘奕志教授与西安电子科技大学的刘西洋教授领衔的团队，经过长达5年的努力与合作，共同研发完成。
与传统的图片级分类标注方法相比，Visionome技术能够产生多出12倍的标签。这些丰富的标签信息训练出的算法在诊断性能上表现出更出色的能力。基于这一技术，团队成功开发出能够准确识别多种眼前段病变的裂隙灯图像智能评估系统。
临床应用广泛：满足多场景需求
Visionome技术的应用场景广泛，可应用于大规模筛查、综合分诊、专家级评估、多路径诊疗建议等多个临床领域。这一技术在回顾性数据集中表现出了与眼科专家相当的诊断水平，同时在前瞻性数据集中也展现了出色的性能。
值得一提的是，团队最新的研究成果“基于裂隙灯图像密集解剖标注对深度学习在眼科疾病诊断中性能的提升”已在2020年6月22日发表于《自然》杂志的子刊《自然生物医学工程》（IF=17.135）。这一研究不仅具有理论价值，更迈出了临床转化应用的重要一步。
新闻发布会盛典
在今日的新闻发布会上，我们见证了医学领域的一次重大突破。利用人类医生的学习曲线，我们致力于构建全新的医学人工智能学习模式，开启智能医疗的新篇章。
签约仪式上，各方代表齐聚一堂，共同见证了这一创新合作的诞生。这不仅是对人工智能技术在医学领域应用的一次深度探索，更是对人类智慧与机器智能结合的一次大胆尝试。
随后，团队合影环节将这一刻定格为永恒。每个人的笑容背后，都是对医学人工智能未来的无限期待与憧憬。
图像标注，作为人工智能算法的基石，是我们感知世界、理解疾病的起点。通过对海量医疗图像数据的精准标注，我们能够模拟人类医生的学习过程，让机器在模拟中不断“成长”，最终实现对疾病的精准诊断与治疗。这是迈向智能医学的关键一步，也是我们不断探索、不断前进的动力。
此次活动的举办，不仅展示了我们在医学人工智能领域的最新成果，更为未来的合作与发展搭建了一个崭新的平台。让我们共同期待，这场人类与机器的智能交融，能为患者带来更好的治疗体验，为医学领域创造更多的可能性。
传统的医学诊断算法主要依赖单一图片级二分类标注方法进行数据集构建，这种方式虽常见，但却损失了大量重要的解剖学信息。团队观察到，医学生在学习过程中，能够借助精细的解剖图和病理图，逐步深化对解剖学、生理学和病理学等学科的理解。受此启发，团队提出了一种创新的理念：在医学图像标注过程中，即便使用小样本数据集，也能训练出诊断性能卓越的人工智能算法。为了验证这一假设，团队引入了类似DNA序列分割的原理，对医学图像进行精准分割。
团队建立了Visionome密集标注标准流程，并组建了一个由25人组成的专家标注团队。他们对1,772张包含角膜炎、胬肉等多样化疾病的眼前段图像进行了细致的区域分割。这些图像按照14种解剖结构进行划分，而针对6种病变部位，更是进行了54种病理性特征的密集标注。最终，他们成功标注了13,404个解剖结构标签和8,329个病理特征标签。
为了深入理解Visionome技术的密集标注原理，团队还采用了传统标注方法生成对比数据集进行算法训练。结果显示，使用Visionome数据集训练的算法具有显著更高的诊断准确率。基于这一成果，团队进一步研发了一个功能强大的裂隙灯图像智能评估系统。
这个系统，名为“Visionome智能裂隙灯评估系统”，能够针对多种眼前段疾病进行多区域识别和分类。该系统充分利用了Visionome数据集的丰富信息，不仅能够识别眼部各种解剖结构，还能对多种病变进行精细的病理性特征分析。这一系统的研发，无疑为医学诊断领域带来了革命性的进步，为医生提供更加准确、高效的诊断工具。大规模筛查：眼前段图像的判断
我们的系统能够进行大规模筛查，对眼前段图像进行正常与异常的精准判断，准确率高达98.54%。这意味着，在面对大量的图像分析任务时，我们的系统可以快速、准确地完成初步筛选，为医生提供有力的辅助。
综合分诊：病变定位的准确性
在定位眼前段图像病变的解剖部位方面，我们的系统展现出了极高的准确性，平均准确率达到了93.75%。这意味着，医生可以依靠我们的系统，更快速、更准确地找到病变位置，为下一步的治疗提供准确的信息。
专家级评估：病理体征的细致描述
针对特定解剖部位的病理体征描述，我们的系统表现出了惊人的准确性，所有测试的准确率均在79.47%以上。这一能力使得我们的系统在诊断过程中，能够提供与眼科专家相匹敌的评估结果，为患者的治疗提供有力的依据。
多路径诊疗建议：综合信息的诊疗方案
我们的系统不仅能够进行诊断，还能够根据诊断结果以及患者自报告的症状等信息，提供诊疗方案建议。这一功能使得我们的系统在实际应用中，能够更全面地考虑患者的实际情况，为患者提供更加个性化的治疗方案。
系统的可延展性：跨专科识别多病种的潜力
为了测试系统的可延展性，我们使用了20种系统未学过的眼病进行测试，包括眼科十大急症及其他复杂眼病如圆锥角膜、虹膜囊肿、视网膜母细胞瘤等。在大规模筛查场景中，系统的准确率达到了84.00%。这一结果表明，我们的系统不仅在眼科领域具有广泛的应用前景，还具有跨专科识别多病种的潜力。这意味着，在未来的发展中，我们的系统可以应用于更多的医学领域，为医疗领域带来更多的便利和效益。
我们的系统在眼科领域表现出了高度的准确性和可靠性，不仅能够完成各种临床任务，还具有跨专科应用的潜力。这将为医疗领域带来更多的便利和效益，为患者的治疗提供更加有力的支持。裂隙灯图像智能评估系统：四项临床任务的优秀完成者
在现代医疗科技的长河中，人工智能逐渐崭露头角。尤其在眼科领域，裂隙灯图像智能评估系统已经引起了广泛关注。这款系统凭借其高效的性能，能够在短时间内完成四项重要的临床任务，并生成详尽的评估报告。
真实世界临床测试中的卓越表现
为了确保这款系统的实用性和可靠性，团队进行了一系列严谨的前瞻性临床试验。这些试验在中山眼科中心以及越秀区社区卫生服务中心进行，使用了大量的真实世界临床数据。经过严格的测试，裂隙灯图像智能评估系统表现出了惊人的实力。
患者反馈积极，增强疾病理解并缓解心理压力
除了客观的测试数据外，患者的反馈也是系统评价的重要一环。调查问卷显示，患者对于使用该系统持有积极的态度。他们表示，这个系统不仅让他们能够在家中或诊所轻松进行自我评估，还加深了他们对于疾病的理解。更重要的是，使用这一系统后，患者的心理压力得到了显著的缓解。
智能科技与医疗结合的未来
这次的临床试验证明了人工智能在医疗领域的巨大潜力。裂隙灯图像智能评估系统不仅提高了诊断的效率和准确性，还提升了患者的就医体验。随着科技的不断发展，我们有理由相信，人工智能将在医疗领域发挥更大的作用，为人类的健康事业做出更大的贡献。经过严格的回顾性外部验证，该系统展现出了与眼科专科医生相匹敌的表现，其在诊断领域的实力令人瞩目。使用者只需在Visionome诊断系统中上传眼前段图像，即可轻松获得多个部位的全面诊断。与传统的人工智能算法相比，Visionome系统所生成的诊断报告更为全面、精细、具体，让医学人工智能应用变得更加接地气，仿佛一位真实的医生在身边。
这一创新技术的出现，为医学人工智能应用开辟了新的天地。特别是在数据积累困难的领域，如罕见病学科，Visionome系统展现了其巨大的潜力。它不仅能够突破病种壁垒，实现跨病种应用，而且还为人工智能算法层面带来了新的突破。
目前，研究团队与万灵帮桥医疗器械（广州）有限责任公司已展开合作，将这一研究成果推向临床应用转化阶段。未来，双方将以院企合作的方式，在高新技术成果孵化、培育以及产业化落地等方面进行深入合作。这将有助于推动我国医学AI产业的发展，实现创新价值的转化和应用。
我们坚信，随着Visionome系统的不断升级和完善，它将为更多患者提供高质量的医疗服务，助力我国医疗健康事业的持续发展。让我们共同期待这一创新技术为更多人群带来的福音，为医学AI领域树立新的里程碑。区块链技术的战略布局：助力医疗健康领域迈向新纪元
在数据样本量有限和数据浪费的矛盾之下，我们面临着医学图像自动化分割识别的挑战。尽管我们在标注数量及质量上仍有较高要求，但我们始终致力于实现医学人工智能的“乐高”计划，推动其在不同疾病学科中的广泛应用。由于医疗健康数据涉及患者的隐私安全，传统的数据存储和共享方式已经无法满足现代医疗的需求。数据孤岛现象限制了医疗信息的流通和共享，这也成为了我们下一战略布局的首要问题。
在这一背景下，我们决定利用区块链技术的优势来解决这一难题。区块链技术以其开放共识、不可篡改和易于追溯的特点，为我们的医疗健康数据传输共享提供了新的思路。我们将区块链技术纳入战略布局，以期在保护患者隐私的实现医疗信息的有效传递和共享。
我们的团队在研发过程中也经历了许多挑战。我们的核心成员在研究生期间紧密合作，共同攻克难关。李王婷和杨雅涵两位博士研究生，以及张凯博士等其他团队成员的通力合作，从不同的角度（如生理学、病理学、解剖学、诊断学等）共同推进项目进展。在经历多次标注方案的失败、测试和优化后，我们最终确定了Visinome图像密集标注方案，并逐步完成了软件设计、网站部署、临床应用及评估等工作。在这个过程中，我们共同拼搏，共同成长，展现了团队的凝聚力和实力。我们相信，随着区块链技术的应用和团队的不断成长，我们将为医疗健康领域的发展贡献更多力量。在这段富有成效的研究旅程中，两位年轻的研究者迅速崭露头角。他们不仅在国内外学术会议上积极交流研究成果，还以课题负责人的身份获得了中山大学优秀研究生创新发展项目的支持，并成功完成了课题任务。对此，他们满怀感激地表示：“我们深感荣幸能参与到这项研究中来。回想起刚加入研究团队时，我们还是青涩的硕士研究生，如今，我们对科学研究有了更为系统全面的认识，更重要的是，我们磨砺出了独立思考的热情，并锻炼了解决科学问题的能力。”
值得一提的是，本次成果的通讯作者包括林浩添教授、刘奕志教授和刘西洋教授（上图），而核心作者则包括李王婷、杨雅涵和张凯（下图）。他们的辛勤付出和卓越贡献，共同铸就了这一研究的成功。