目录
摘要
眼科疾病患病人群庞大,患者若不能得到及时治疗,严重会导致残疾,这不仅影响患者的生活质量,也会给社会带来沉重的医疗负担。同时,由于眼科医师的数量不足以及基层医疗机构在眼科诊疗设施和技术方面与三甲医院存在一定差异,我国正面临医疗资源分配不均的现状。而机器学习技术对于提高眼科筛查能力和实现疾病的早期干预具有重要研究意义。分析并总结了机器学习技术在眼科疾病辅助诊疗中的应用现状,并针对该类医疗器械的特点,分析其监管难点并给出发展建议。
关键词: 机器学习; 深度学习; 辅助诊疗; 眼科疾病; 医疗器械
0 引言
由于人口老龄化现象加剧,加上现代社会人们用眼过度问题突出,有数据显示,我国每年有近4亿患者饱受各类眼科疾病的困扰,白内障患病人数高达2.5亿甚至2.8亿,青光眼患者预计达到2 100万人,尤其老年人居多[1]。如此庞大的患病人群,如若不能得到及时治疗,严重会导致残疾,严重影响患者的生活质量,同时给社会带来沉重的医疗负担。
与庞大的患者数量形成鲜明对比的是,基层眼科医师数量较少,无法满足全国各地患者需求。现阶段,我国正从顶层设计层面改善医疗资源分配不均的问题。2022年1月,国家卫生健康委员会发布了《“十四五”全国眼健康规划(2021—2025年)》,明确提出我国逐步建立并完善“国家—区域—省—市—县”五级眼科医疗服务体系,强化二级以上综合医院眼科设置与建设,补齐眼科及其支撑学科短板。若能利用人工智能技术辅助眼科医师进行疾病诊断,有助于基层医疗机构提高眼科疾病的筛查能力,有效缓解眼科医疗资源匮乏的现状,实现医疗资源在基层医疗机构的全面覆盖以及眼科疾病的早期干预,使患者及时得到有效治疗。
1 机器学习及其医疗应用概述
1.1 机器学习简介
人工智能(Artificial Intelligence,AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学,其目标是像人一样决策和行动。人工智能这一概念被提出后,历经数年的发展,已取得了卓越的研究成果。特别是深度学习被提出后,人工智能再次取得突破性进展,同时移动互联网的发展也为人工智能带来更多应用场景。如今人工智能已在多个领域崭露头角,能够辅助或代替人类完成一些复杂的高精度工作。
机器学习是实现人工智能的重要途径,也是最早发展起来的人工智能算法。与传统的基于规则的算法不同,机器学习能够通过计算模型和算法从大量数据中学习到规律和特征,自动学习如何获得算法模型参数。根据数据形式(即数据是否有人工标注)不同,机器学习算法可以分为监督学习、无监督学习与强化学习三种。
监督学习采用人工标注的数据进行训练,是相对成熟的机器学习算法,常见算法有决策树、支持向量机(Support Vector Machine,SVM)