馬菲妍 張彩霞 冬雪川

1 河北醫(yī)科大學第二醫(yī)院眼科， 河北省石家莊市 050005； 2 深圳市新產(chǎn)業(yè)眼科新技術(shù)有限公司

視網(wǎng)膜靜脈阻塞是眼科常見的眼底疾病，既往由于此病的診斷對于全科醫(yī)師和年輕醫(yī)師閱片標注的難度大，學習曲線長，不利于不同資質(zhì)的醫(yī)師開展疾病篩查，而人工智能閱片克服了不同醫(yī)師的知識構(gòu)成不同、標注時的心理狀態(tài)與精力存在差異以及隨著時間推移帶來的記憶力和理解力的改變等主觀差異的影響，通過人工智能和多光譜眼底成像技術(shù)的結(jié)合能夠提升閱片質(zhì)量和閱片速度，從而提升臨床安全和診斷效率。故本研究采用診斷試驗的研究方法，以150張經(jīng)過專家標定的可能患有不同類型視網(wǎng)膜靜脈阻塞的多光譜眼底圖像作為閱片標注的參考標準，比較AI組、高年資眼科醫(yī)師組、低年資眼科醫(yī)師組及心血管內(nèi)科醫(yī)師組的診斷一致性和閱片速度，現(xiàn)報道如下。

1 資料與方法

1.1 一般資料 收集自2018年6—11月期間于河北醫(yī)科大學第二醫(yī)院眼科門診就診的150名眼科患者的右眼多光譜系列圖像(RHA2020多光譜眼底成像系統(tǒng)，ANNIDIS corporation，加拿大)，波長范圍包括550nm、580nm、590nm、620nm、660nm、690nm、740nm、760nm、780nm、810nm、850nm，全部圖像均在免散瞳條件下拍攝，以黃斑中心凹為中心，成像范圍43°(圖1)。本研究符合赫爾辛基宣言，并由河北醫(yī)科大學第二醫(yī)院倫理委員會審核通過。納入標準：(1)年齡≥18歲；(2)確診為原發(fā)性高血壓??；(3)通過近期的血管熒光造影檢查可以明確是否患有眼底分支靜脈阻塞或眼底中央靜脈阻塞；(4)無角膜瘢痕、晶狀體混濁等影響眼底拍攝的屈光介質(zhì)異常；(5)圖像對焦清晰，無異常偽影；(6)亮度均勻，可明顯分辨血管和視盤等主要眼部結(jié)構(gòu)。排除標準：(1)圖像明顯分辨率不足或其他圖像拍攝異常；(2)病歷資料不完整。

圖1 多光譜眼底成像所獲得的各波長圖片以及擬合而成的功能圖

1.2 方法

1.2.1 閱片者分組：依據(jù)閱片方式的不同將閱片者分為4組：(1)采用AI系統(tǒng)閱片定義為AI組；(2)由3名具有5年以上眼底照片和眼底檢查經(jīng)驗的眼科醫(yī)師組成的高年資眼科醫(yī)師組；(3)由3名具有5年以下眼底照片和眼底檢查經(jīng)驗的眼科醫(yī)師組成的低年資眼科醫(yī)師組；(3)由3名無既往眼科檢查經(jīng)驗，在本研究開始前經(jīng)過系統(tǒng)閱片培訓(xùn)的心血管內(nèi)科醫(yī)生組成的心血管內(nèi)科醫(yī)師組。

1.2.2 多光譜眼底圖像的標注：全部多光譜眼底圖像均采用分級標注，共3級：(1)無視網(wǎng)膜靜脈阻塞體征；(2)有視網(wǎng)膜分支靜脈阻塞體征；(3)有視網(wǎng)膜中央靜脈阻塞體征。全部多光譜眼底圖像均由2位資深眼底專家基于眼底熒光造影結(jié)果判定為確定診斷，意見不一致時交由第3名眼底專家閱片，定標一致的結(jié)果作為閱片標注的參考標準。

1.2.3 閱片的方法：AI組和全部醫(yī)師組均對所有眼底圖像進行閱片。AI組由研究人員將圖像輸入軟件系統(tǒng)進行閱片，并保留自動診斷的結(jié)果；醫(yī)師組均通過RHA自帶的電腦系統(tǒng)和閱片軟件對多光譜眼底圖像進行閱片，保留閱片結(jié)果。同時記錄AI和醫(yī)師組單張閱片時間和總耗時。

1.3 統(tǒng)計學方法 采用SPSSAU20.0進行統(tǒng)計學軟件處理數(shù)據(jù)。不同閱片者的閱片結(jié)果和參考標準的比較采用加權(quán)kappa系數(shù)進行評價，AI組和醫(yī)師組的比較以Kendall系數(shù)進行評價。AI系統(tǒng)和各醫(yī)師組的單張平均閱片時間比較采用重復(fù)測量方差Bonferroni法分析，根據(jù)球形度檢驗結(jié)果選擇Greenhouse-Geisser校正結(jié)果，以P<0.01為差異有統(tǒng)計學意義。

2 結(jié)果

2.1 閱片結(jié)果的一致性比較 從表1的閱片結(jié)果與參考標準相比較的加權(quán)kappa系數(shù)和P值來看，9位醫(yī)師和AI系統(tǒng)的診斷結(jié)果呈現(xiàn)較好的一致性；通過表2各組間相比，AI組和高年資眼科醫(yī)師組診斷水平接近；心血管內(nèi)科醫(yī)師組的Kendall協(xié)調(diào)系數(shù)低于低年資眼科醫(yī)師和高年資眼科醫(yī)師組，但依然與AI組呈現(xiàn)較高的一致性。

表1 不同閱片者對多光譜RVO眼底圖像標注一致性的比較

表2 AI與不同閱片組對多光譜RVO眼底圖像標注一致性的比較

2.2 閱片速度比較 AI組、高年資眼科醫(yī)師組、低年資眼科醫(yī)師組、心血管內(nèi)科醫(yī)師組的平均閱片時間分別為(1.49±0.30)s、(15.06±1.67)s、(20.06±2.34)s、(37.73±2.62)s，見圖2。各組平均閱片時間的差異具有統(tǒng)計學意義(F=9 020.907，P<0.01)。各組間比較，AI組的閱片時間明顯少于各醫(yī)師組，高年資眼科醫(yī)師組和低年資眼科醫(yī)師組少于心血管內(nèi)科醫(yī)師組，而高年資眼科醫(yī)師組和低年資眼科醫(yī)師組之間也有明顯統(tǒng)計學差異(表3)。

圖2 人工智能系統(tǒng)及不同級別醫(yī)師單張平均閱片時間的比較

表3 不同閱片組對多光譜RVO眼底圖像標注時間的比較

3 討論

視網(wǎng)膜靜脈阻塞是眼科常見的眼底疾病，主要危險因素包括系統(tǒng)性高血壓、糖尿病以及頸動脈供血不足等[1-3]，同時某些血液學上的異常，也被認為和本病相關(guān)，包括蛋白C缺乏癥、蛋白S缺乏癥、活化的蛋白C抵抗、V Leiden因子的存在、抗磷脂抗體的存在和異常的纖維蛋白原水平[4-7]。

視網(wǎng)膜靜脈阻塞的常見臨床體征主要包括視網(wǎng)膜出血(視網(wǎng)膜表層火焰狀出血和深層點狀出血)，合并視網(wǎng)膜血管擴張、迂曲，還可出現(xiàn)不同程度的視神經(jīng)乳頭水腫、棉絮斑、線狀出血以及黃斑出血等。而這些體征都是MSI比較敏感的體征。

MSI是一種新型的眼底成像技術(shù)，其利用各種波長不同的單色LED光源，分別投射入眼底不同深度，采集基于不同組織及病理產(chǎn)物吸收光譜的差異形成的圖像，可以清晰地將視網(wǎng)膜、脈絡(luò)膜分層顯示在不同的照片上，并以冠狀面圖像的方式呈現(xiàn)。對臨床所關(guān)注的疾病代謝物質(zhì)可用敏感波長進行重點觀察，因此能靈敏地發(fā)現(xiàn)疾病異常。該檢查快速便捷且無創(chuàng)，無須散瞳，可適用于早期篩查多種眼底疾病[8-12]。

Xu等[13]通過MSI對靜脈阻塞患者進行對比觀察發(fā)現(xiàn)，MSI能以全光譜觀察RVO引起的病變，包括無灌注區(qū)、視網(wǎng)膜出血、棉絨斑和硬性滲出，對于拍攝FFA顯示熒光遮蔽的病例，MSI可顯示出血和棉絨斑。MSI還可直觀顯示視網(wǎng)膜血管系統(tǒng)含氧水平，通過血氧含量的差異來發(fā)現(xiàn)無灌注區(qū)。此外，比較同一患者雙眼的MSI含氧—脫氧地圖可以輕易發(fā)現(xiàn)血氧供應(yīng)的差異，即使血管直徑相同也不影響判斷。MSI可以實現(xiàn)免注射的血管造影，避免潛在熒光素過敏引起的威脅生命的并發(fā)癥。因此對于RVO的早期診斷，MSI相比傳統(tǒng)彩照有更明顯的優(yōu)勢。但多光譜也有其局限性，包括圖像張數(shù)多，閱片時間長，學習曲線長等。

Anitha 等[14]應(yīng)用 Kohonen 人工神經(jīng)網(wǎng)絡(luò)對包括視網(wǎng)膜中央靜脈阻塞在內(nèi)的4種不同類型420張視網(wǎng)膜異常圖像進行高精度的自動分類,采用綠色通道提取、直方圖均衡化和中值濾波作為圖像預(yù)處理技術(shù),然后進行基于紋理的特征提取。平均靈敏度、特異度、準確率分別為 96%、98%、97.7%。Nagasato等[15]應(yīng)用超寬視野眼底圖像CNN訓(xùn)練DL模型,對237張視網(wǎng)膜分支靜脈阻塞(BRVO)和176張非BRVO健康眼眼底圖像進行訓(xùn)練識別,并與SVM訓(xùn)練的ML模型比較,DL模型診斷BRVO的靈敏度、特異度、陽性預(yù)測值、陰性預(yù)測值、曲線下面積(AUC)分別為 94.0%、97.0%、96.5%、93.2%、0.976,SVM 模型的值分別為80.5%、84.3%、83.5%、75.2%、0.857。DL模型在上述參數(shù)上均優(yōu)于SVM模型,DL與超寬視野眼底圖像聯(lián)合應(yīng)用,可較準確地鑒別健康眼和BRVO眼。而多光譜人工智能采用多光譜、多通道進行開發(fā)，針對敏感體征的波長所呈現(xiàn)的對比度更容易被AI所提取，因此在準確性和樣本量的節(jié)約方面有著明顯的優(yōu)勢。

本研究對比了多光譜人工智能閱片系統(tǒng)和醫(yī)師閱片的在視網(wǎng)膜靜脈阻塞上的準確性及一致性。人工智能展現(xiàn)了和高年資眼科醫(yī)師基本等同的閱片能力，甚至略高于低年資眼科醫(yī)師和心血管內(nèi)科醫(yī)師。AI 閱片克服了不同醫(yī)師的知識構(gòu)成不同、標注時的心理狀態(tài)與精力存在差異以及隨著時間推移帶來的記憶力和理解力的改變等主觀差異的影響，顯然更適合疾病篩查場景[16]。尤其是本病和高血壓、糖尿病、血液性疾病高度相關(guān)，臨床癥狀不明顯的患者容易為內(nèi)科醫(yī)師所忽視，通過AI的輔助配合，將有望提升臨床安全和診斷效率。

本研究同時比較了AI和各閱片醫(yī)師組的閱片時長，AI總體領(lǐng)先于醫(yī)師組，這是由計算機的運算特征決定的，與AI系統(tǒng)的運行速度、計算機硬件配置、處理系統(tǒng)、 AI 算法的復(fù)雜程度及圖形處理器的部署等因素有關(guān)。研究中，因本病是眼底疾病中的常見類型，高年資和低年資眼科醫(yī)師的閱片時間差異較小。但心血管內(nèi)科組醫(yī)師的閱片時間明顯延長，這是因為其對眼專科疾病的相關(guān)知識了解較淺，缺乏對本病的診斷經(jīng)驗，對正常的眼底結(jié)構(gòu)和輕度的個體差異把握不足，結(jié)合其在診斷準確性上的不足，本類AI的開發(fā)可能更適合全科醫(yī)生的使用。

綜上所述，視網(wǎng)膜靜脈阻塞的疾病診斷對于全科醫(yī)師和年輕醫(yī)師閱片標注的難度大，學習曲線長。通過人工智能和多光譜眼底成像技術(shù)的結(jié)合能夠提升閱片質(zhì)量和閱片速度，降低開發(fā)難度，有利于不同資質(zhì)的醫(yī)師，尤其是全科醫(yī)師和年輕醫(yī)師快速掌握本病的診斷和篩查。