中山大学中山眼科中心人工智能与大数据部与Airdoc人工智能团队合作，开发了人工智能白内障取景器平台，可准确诊断白内障。基于这种新的三级转诊模式，医患比例可以比以前提高10.2倍。这一重要成果已发表在知名眼科杂志《BritishJournalofOphthalmology》上。

研究团队建立并验证了一个人工智能医学影像诊断平台，用于临床场景中白内障的多级协同诊断。更重要的是，开发了基于人工智能的医疗转诊模式，提高了医疗资源的合作效率和覆盖率，在白内障领域实现了国际重大突破。

图1:门诊报告样本

发展中国家医疗资源水平不高，分布不均衡，现行医疗体系对常见病的管理远远不能令人满意。随着电子病历、数字医疗设备和可穿戴监护仪的发展和普及，远程医疗服务在促进患者评估、诊断和管理方面显示出巨大潜力。但远程医疗在眼科的应用还处于初级阶段，主要是通过“存储转发”的方式完成，对于超负荷工作的专家来说是一项额外的任务。

同时，白内障是全球视力障碍的主要原因，占发展中国家失明病例的50%以上。大部分白内障与年龄有关，也有一些与全身疾病、外伤、先天因素有关。随着全球人口老龄化，白内障患病率逐年上升。据估计，到2050年，中国将有2000万白内障盲病例。然而，医疗资源的分布远远不能满足白内障的诊断和治疗。因此，如何建立更高效的医患合作模式是团队的研究目标。

图2:系统流程

研究团队开发的产品可以实现。患者在远程web服务器中输入裂隙灯拍摄的图片和年龄等基本信息，最终实现产品输出：(1)识别图片的拍摄方式(四大类：散瞳和散射光照片，散瞳和裂隙光照片，正常瞳孔和散射光照片，(4)正常瞳孔和裂隙光照片)(2)识别是否健康， 白内障或术后(3)识别白内障的严重程度(4)识别先天性白内障是否完全覆盖视轴(5)识别白内障患者术后白内障是否影响视轴(PCO模式)。 整个过程由系统自动识别判断，大大减轻了医生的工作量。

图3:诊断图像示例

这项研究成功地显示了强大的诊断性能：(1)捕获模式识别(AUC99.28%-99.71%)，(2)白内障诊断(正常晶状体、白内障或术后眼，AUC分别为99.82%、99.96%和99.93%)。对于散瞳-微光模式，AUC99%(与其他捕获模式相比)和(3)检测到白内障(所有测试中的AUC91%)。三级转诊模式中，推荐转诊的患者比例为30.3%，与传统模式相比，医患比例提高了10.2倍。

研究成果落地，给更多白内障患者带来好消息。2018年5月开始在广州多个社区应用，预计2020年将实施更多应用场景。