Tổng quan
Nhãn khoa là một trong những câu chuyện thành công lớn nhất về mặt y tế của AI vì mắt có nhiều hình ảnh và dễ chụp ảnh. AI giờ đây có thể sàng lọc các bệnh gây mù như bệnh võng mạc do tiểu đường trực tiếp từ ảnh võng mạc, đôi khi không cần có chuyên gia giám sát.
AI trong Nhãn khoa áp dụng AI trong các môi trường dành riêng cho từng miền, nơi các quy định, hoạt động và khả năng chấp nhận rủi ro định hình mạnh mẽ các lựa chọn thiết kế.
Lặn sâu
Võng mạc có thể được chụp ảnh nhanh chóng và không xâm lấn, tạo ra chính xác loại hình ảnh chất lượng cao mà học sâu đang phát triển. Năm 2018, FDA đã phê duyệt IDx-DR, thiết bị chẩn đoán AI tự động đầu tiên, đọc ảnh đáy mắt màu và cho phòng khám chăm sóc ban đầu biết liệu bệnh nhân tiểu đường có nên đến gặp bác sĩ nhãn khoa hay không mà không có chuyên gia nào giải thích hình ảnh. Nghiên cứu JAMA mang tính bước ngoặt năm 2016 của Google đã đào tạo một mô hình để phát hiện bệnh võng mạc tiểu đường ở độ nhạy và độ đặc hiệu ở cấp độ chuyên gia. Ngoài bệnh về mắt do tiểu đường, AI còn cảnh báo bệnh thoái hóa điểm vàng liên quan đến tuổi tác, bệnh tăng nhãn áp từ hình ảnh thần kinh thị giác và bệnh võng mạc ở trẻ sinh non. DeepMind đã hợp tác với Bệnh viện Mắt Moorfields để phân loại hơn 50 tình trạng võng mạc từ kết quả quét OCT, đối chiếu các chuyên gia hàng đầu thế giới và đề xuất chuyển tuyến khẩn cấp.
Hiểu biết kỹ thuật
Hầu hết các hệ thống đều sử dụng mạng lưới thần kinh tích chập được đào tạo trên hàng chục nghìn đến hàng triệu bức ảnh đáy mắt được dán nhãn hoặc khối chụp cắt lớp mạch lạc quang học (OCT). OCT về cơ bản là siêu âm quang học tạo ra các mặt cắt ngang có độ phân giải micron của các lớp võng mạc, lý tưởng để phát hiện chất lỏng và tình trạng mỏng đi. Một phát hiện đáng chú ý: mạng có thể suy ra các đặc điểm mà bác sĩ lâm sàng không thể đọc bằng mắt, chẳng hạn như tuổi, giới tính, tình trạng hút thuốc và nguy cơ tim mạch của bệnh nhân, chỉ từ một bức ảnh võng mạc, gợi ý rằng võng mạc là cửa sổ cho thấy sức khỏe toàn cơ thể.
Làm chủ AI trong nhãn khoa
Nhãn khoa là một trong những câu chuyện thành công lớn nhất về mặt y tế của AI vì mắt có nhiều hình ảnh và dễ chụp ảnh. AI giờ đây có thể sàng lọc các bệnh gây mù như bệnh võng mạc do tiểu đường trực tiếp từ ảnh võng mạc, đôi khi không cần có chuyên gia giám sát. AI trong Nhãn khoa áp dụng AI trong các môi trường dành riêng cho từng miền, nơi các quy định, hoạt động và khả năng chấp nhận rủi ro định hình mạnh mẽ các lựa chọn thiết kế. Để xây dựng sự hiểu biết sâu sắc, hãy coi AI trong Nhãn khoa như một mô hình vận hành chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể làm một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng AI trong Nhãn khoa sẽ điều chỉnh năng lực kỹ thuật phù hợp với chính sách miền, khả năng kiểm tra và ra quyết định tuyến đầu. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Bối cảnh của ngành quyết định liệu các ý tưởng AI có tồn tại được khi tiếp xúc với thực tế hay không. Đồng thời, các yêu cầu pháp lý có thể vô hiệu hóa các nguyên mẫu mạnh. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Bối cảnh của ngành quyết định liệu các ý tưởng AI có tồn tại được khi tiếp xúc với thực tế hay không.
Bối cảnh của ngành quyết định liệu các ý tưởng AI có tồn tại được khi tiếp xúc với thực tế hay không. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các ràng buộc về miền ảnh hưởng đến tỷ lệ lỗi có thể chấp nhận được và các mô hình giám sát.
Các ràng buộc về miền ảnh hưởng đến tỷ lệ lỗi có thể chấp nhận được và các mô hình giám sát. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai thành công sẽ điều chỉnh năng lực kỹ thuật phù hợp với quy trình làm việc tuyến đầu.
Triển khai thành công sẽ điều chỉnh năng lực kỹ thuật phù hợp với quy trình làm việc tuyến đầu. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai trong thế giới thực
IDx-DR (nay là LumineticCore) tự động sàng lọc bệnh nhân tiểu đường để phát hiện bệnh võng mạc có thể tham khảo tại các phòng khám chăm sóc ban đầu mà không cần chuyên gia về mắt đọc hình ảnh.
DeepMind và Moorfields đã xây dựng một hệ thống phân loại hơn 50 bệnh võng mạc từ kết quả quét OCT và đề xuất giới thiệu khẩn cấp ở cấp chuyên gia.
Các công cụ AI hỗ trợ sàng lọc bệnh võng mạc ở trẻ sinh non ở trẻ sơ sinh, nguyên nhân hàng đầu gây mù ở trẻ em khó phân loại nhất quán.
Các mô hình nghiên cứu ước tính nguy cơ tim mạch và tuổi sinh học từ một bức ảnh chụp võng mạc, một lĩnh vực mới nổi được gọi là quang học.
Các mẫu triển khai
AI trong nhãn khoa trong thực tế
IDx-DR (nay là LumineticCore) tự động sàng lọc bệnh nhân tiểu đường để phát hiện bệnh võng mạc có thể tham khảo tại các phòng khám chăm sóc ban đầu mà không cần chuyên gia về mắt đọc hình ảnh.
IDx-DR (nay là LumineticCore) tự động sàng lọc bệnh võng mạc có thể tham khảo ở bệnh nhân tiểu đường tại các phòng khám chăm sóc ban đầu mà không cần chuyên gia mắt đọc hình ảnh. Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí sai sót theo thời gian.
AI trong nhãn khoa trong thực tế
DeepMind và Moorfields đã xây dựng một hệ thống phân loại hơn 50 bệnh võng mạc từ kết quả quét OCT và đề xuất giới thiệu khẩn cấp ở cấp chuyên gia.
DeepMind và Moorfields đã xây dựng một hệ thống phân loại hơn 50 bệnh võng mạc từ quét OCT và đề xuất giới thiệu khẩn cấp ở cấp chuyên gia. Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp đặc biệt và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
AI trong nhãn khoa trong thực tế
Các công cụ AI hỗ trợ sàng lọc bệnh võng mạc ở trẻ sinh non ở trẻ sơ sinh, nguyên nhân hàng đầu gây mù ở trẻ em khó phân loại nhất quán.
Các công cụ AI hỗ trợ sàng lọc bệnh võng mạc ở trẻ sinh non ở trẻ sơ sinh, nguyên nhân hàng đầu gây mù ở trẻ em khó phân loại một cách nhất quán. Các nhóm thường đạt được kết quả tốt hơn khi xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí sai sót theo thời gian.
AI trong nhãn khoa trong thực tế
Các mô hình nghiên cứu ước tính nguy cơ tim mạch và tuổi sinh học từ một bức ảnh chụp võng mạc, một lĩnh vực mới nổi được gọi là quang học.
Các mô hình nghiên cứu ước tính nguy cơ tim mạch và tuổi sinh học từ một bức ảnh võng mạc, một lĩnh vực mới nổi có tên là nhãn khoa. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp đặc biệt và theo dõi cả mức tăng năng suất và chi phí do sai sót theo thời gian.
Rủi ro & lan can
Các yêu cầu pháp lý có thể vô hiệu hóa các nguyên mẫu mạnh mẽ.
Dữ liệu lịch sử có thể mã hóa thành kiến gây tổn hại cho các cộng đồng cụ thể.
Các hệ thống cũ có thể tạo ra các nút thắt cổ chai trong tích hợp và chi phí tiềm ẩn.
Lộ trình thực hiện
Thu hút các chuyên gia trong lĩnh vực từ việc xác định vấn đề đến đánh giá.
Thu hút các chuyên gia trong lĩnh vực từ việc xác định vấn đề đến đánh giá. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Thiết kế các đường dẫn kiểm tra và tài liệu trước khi ra mắt.
Thiết kế các đường dẫn kiểm tra và tài liệu trước khi ra mắt. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Xác nhận sớm các nghĩa vụ tuân thủ và an toàn.
Xác nhận sớm các nghĩa vụ tuân thủ và an toàn. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Triển khai theo từng giai đoạn với tiêu chí dừng và khôi phục rõ ràng.
Triển khai theo từng giai đoạn với tiêu chí dừng và khôi phục rõ ràng. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.