對 DeepMind 較熟悉的讀者想必都知道，去年憑藉 AlphaGo 戰勝李世乭後，DeepMind 開始發展醫療領域，與英國國家醫療服務體系（NHS）二度合作，並和 Moorfields 眼科醫院一同開發辨識視覺疾病的機器學習系統。
當時合作的專案主要是糖尿病視網膜病變和因衰老導致的黃斑部病變（AMD），透過抓取醫療機構的眼部醫學影像，DeepMind 利用機器學習來判斷。日前 IBM 也開始進軍眼部醫學診斷，這次的目標是──青光眼。
青光眼已成為全球致盲的第二大殺手，由於病變週期長，用戶的視覺實際上是慢慢減弱的，而且不到晚期一般難以確診，青光眼之所以被稱為「無聲的光明小偷」，也是這個原因。據統計，有一半用戶都是在未經檢查的情況下失明的，甚至，他們都還沒來得及意識到自己得了青光眼。
雖然青光眼並不是無藥可醫，但早發現早治療的方針不論對什麼疾病都同樣適用。IBM 研究院密切關注這一疾病。他們發現的第一個問題在於，像青光眼、糖尿病視網膜或老年性黃斑部變性引致的失明，其實都是可以預防（或減緩）的。如果大部分患者能及時發現眼部疾病，那麼不僅對患者的生活狀態有重要影響，也能避免不必要的經濟負擔。
雷鋒網了解，IBM 研究院採用 Watson 的認知計算處理眼部影像並進行醫學解析，在未來將惠及所有患者。
上圖顯示的是 4 張眼球的背面圖，Watson 偵測視杯及視盤的大小，這一指標顯示患者可能得了青光眼。
IBM 研究院的另一個挑戰，在於臨床醫師有限的經驗可能很難發現視網膜影像的細微變化。對那些偏遠地區的潛在患者而言，昂貴的交通費及看病困難也給他們帶來不便。
2015 年，駐澳洲 IBM 研究實驗室的科學家們致力於透過深度學習解析 88,000 份源於 EyePACS（一家全球性眼球相關影像及醫學資訊共用平台）的視網膜影像。機器透過訓練眼球的解剖影像，已經學習了如何辨識眼球一些可能的不規則，以診斷像青光眼一樣難以察覺的眼疾。
近日，IBM 研究院釋出相關研究結果，在視杯及視盤的偵測上，機器達到 95% 的準確度，並且會建議疑似得了眼疾的患者做二度檢查。眼疾解析的另一個關鍵點在於機器在掃描視網膜影像後能進行自動篩選。機器目前能達到 94% 正確率，這對減輕驗光師及眼科醫生的人工負擔大有裨益。
不論是領頭的 DeepMind 及 IBM Watson，還是其他新創公司，我們都希冀機器學習能夠在醫學影像界發揮更大的功用。
（本文由 雷鋒網 授權轉載，首圖來源：IBM Watson）