从本质上来说，AI主要是模仿人类思考问题和解决问题的能力。在AI领域，中国是为数不多、能够与国际同行并跑或者领跑的学科领域。但这样一个命题，随着AI的出现有可能在将来得到解决。这种想法在今年实现了突破：利用眼底图像训练后，AI可以对39种眼科疾病，包括全身性高血压的疾病进行诊断和预测。所以，把不同的诊断设备进行整合，形成多模态的人工智能诊断系统，将是未来趋势。
近日，第六届全球人工智能与机器人大会（GAIR 2021）在深圳正式启幕，140余位产学领袖、30位Fellow聚首，从AI技术、产品、行业、人文、组织等维度切入，以理性分析与感性洞察为轴，共同攀登人工智能与数字化的浪潮之巅。
在医疗科技高峰论坛上，中山大学中山眼科中心的袁进教授从算法、数据、算力等角度，对目前的AI行业进行了剖析。他指出，算法或许是目前的短板所在。“不少团队使用的是第三方提供的算法模型。真正自己去做自研平台、训练算法的比例只有1.6%。用公开的方法不是不好，而是公开算法不一定满足自己特定化的需求，这也是为什么在算法上进行创新的原因。”
为了能够促进行业的规范化发展与落地应用，2018年，袁进教授牵头组建了全国第一个智能眼科学组。他表示，以前，我们讲的都是眼科人工智能。现在，要将其调整为智能眼科，以人工智能、5G、可穿戴设备、高清成像、新一代机器人等新时代的技术，融合到临床上应用，打造真正的智能眼科。
以下是袁进教授的演讲内容，雷峰网做了不改变原意的编辑和整理
袁进：各位同道，大家下午好！非常高兴受到雷峰网的邀请，来参加这样一个跨专业、跨学科的交流，认识了新朋友，也见到很多老朋友。我会从专业知识的角度，来分享一下眼科人工智能的发展与挑战。
世界卫生组织曾写到，影响人类生存质量的三大疾病——肿瘤、心血管和眼科疾病。我的演讲中有几个关键词，一个是眼科，一个是AI（人工智能）。
AI不是一个新概念，上世纪60年代就已经诞生。为什么熬到现在才强势地C位出道？
根源在于2010年算法的突破，以及与实体场景的结合能力大大增强，带来了AI的井喷式发展。从本质上来说，AI主要是模仿人类思考问题和解决问题的能力。
在AI领域，中国是为数不多、能够与国际同行并跑或者领跑的学科领域。其他领域都在强调解决卡脖子问题。但是，在AI领域，我们已经是国际上非常重要的一个阵营，来自中国AI领域的论文数量和质量都很高。在这其中，眼科贡献了非常多。为什么是眼科，而不是心血管、骨科等其它的专科？
这里面有两个原因。
第一，眼睛是一个天然的光学器官，是以影像为主导的学科。所有的眼科诊疗都需要影像来介导。所以，眼科有大量丰富的影像资料，这就为AI系统的研发提供了必要的原材料。
第二，它有强烈的内在需求。中国有14亿人口，但是所有注册在案的眼科医生只有3.3万人，而且眼科医生还集中在一些大中型医院。
所以，每次说到医疗扶贫、优质医疗资源下沉，眼科总是被第一个拎出来，希望下沉到基层。这本身就是一个伪命题，什么叫优质的医疗资源？优质就是少，少还要让它“撒胡椒面”，显然是不可能的。
但这样一个命题，随着AI的出现有可能在将来得到解决。眼科人工智能的开发，是医学人工智能的缩影。我们碰到的问题，别人都碰到过，我们没有碰到的问题，别人可能也还会碰到。
一个好的人工智能系统，要有三个要素：算力、算法、数据。
算力倒不重要，主要是靠钱投入，购买一些计算性能好的GPU工作站搭起来，甚至借助中山大学的天河二号都能解决算力的问题。
但是，最重要的是数据，数据来源是哪里？
第一是和医院合作，得到脱敏数据，但是从医院拿数据，医院会考虑回报是什么，是科研文章还是产品共享？这会产生很多合作形式的问题。
第二是免费、公开数据集。现在有很多公开数据集，但是质量良莠不齐。其次，我们使用过Kaggle数据库，这是全球最大的免费眼底图像数据集。我们发现，它的错误率有15%到20%，这样的数据库训练出来的系统能到什么层次？
第三，用真金白银买，很多AI企业烧钱烧得很快，这也不是一个好的方式。
即便拿到了数据，还会有第二个问题——数据的清洗和标注。业内曾开玩笑说，人工智能，先有人工再有智能。要一群医生给数据打标签，费时费力，质量还可能良莠不齐。如何解决这个问题？
首先，要学会数据的清晰和分类。数据一定要人工标注吗？能否有智能的算法对数据进行归类，进行初步的特征提取，医生就不需要下场做“运动员”，而是做“裁判员”。
其次，要有公益心，开发出的AI产品愿不愿意贡献出来。国家也在强调，要建立规范的、经过严格论证标记的第三方数据库，用于产品的开发、验证。
所以，中山眼科中心自己花钱做了很多事，把自己做的金标眼底数据集面向全球进行公开免费的发布，命名为iChallenge。
目前，全球已经有2000多个团队利用这个公开数据集，开发了很多在临床上应用的人工智能算法系统。
同时，不仅仅是青光眼，我们团队还跟南方科技大学合作，做了从眼表、角膜这样一些病变损害特征的数据集，包括眼底的特征参数，都进行了公开和共享。
我们希望能够有更多的团队，利用这些金标的数据集去开发高质量的人工智能诊断系统，尽快进入医疗临床，改变现有的医疗模式。
同时，我们现在做的这些分割系统和算法也开始进入临床转化，因为仅仅是出于科研目的是远远不够的。讲过，要把科技成果写在祖国的大地上，所以我们现在也在推行这些算法、系统的转化和应用。
这是我们团队开发的诊断眼科疾病——干眼的基于图像分割的算法系统，完成了成果转化。不仅是在中国，经过我们的授权后，国外也装入了这套系统，这也是国内为数不多被国外主流装备所采纳和应用的案例。
解决了数据问题后，第二个问题就是算法。
在算法层面，我们国家可能存在一定的短板。因为真正沉下心来做原创算法的团队和机构不多。不少团队使用的是第三方提供的算法模型。真正自己去做自研平台、训练算法的比例只有1.6%。
用公开的方法不是不好，而是公开算法不一定满足自己特定化的需求，这也是为什么在算法上进行创新的原因。
谷歌的Deepmind团队和英国的Moorfields眼科研究所开发出一个新算法，采取了并联的方式，去解决医疗应用上的黑箱问题。算法同时将疾病的分类和特征提取分开训练，最后进行结果的匹配。
还有近年来比较流行的迁移学习。开发出一个好的算法后，基于同类的影像特征，我们没有必要再把原来的路走一遍，可以通过迁移学习来完成新算法模型的开发。
这个例子就是他们原来做了肺部CT的短发，然后应用到眼科OCT，包括利用不同的热图的标记去展示算法读图的功能。
当然，人工智能算法也存在同质化的现象——开发一个模型只能解决一个病。
对于医生而言，可以一个人看数十种病，不然看一个病换一个医生，医生在病人面前就跟走马灯一样。
所以，我么希望AI算法从单模态、单任务转变为单模态的多任务。同样一张眼底图像，不仅仅是能诊断糖网，也能诊断青光眼、高度近视等不同眼底疾病。
这种想法在今年实现了突破：利用眼底图像训练后，AI可以对39种眼科疾病，包括全身性高血压的疾病进行诊断和预测。在这个过程中，要求算法的可视化和可解释性，这样才能使更多的临床医接受。
要做到这一点，就要使用不同的分类器去解决不同的特征。
另外一点，眼睛是心灵的窗户，可以反映心脑血管、代谢性疾病、糖尿病等早期的症状。我们团队做了一项工作：基于眼科的微血管的特征提取、智能参数的分析，去服务于代谢疾病（肾病和糖尿病等）的早期诊断。
除了单模态的多任务，进一步要实现的多模态、多任务。
在临床上，医生诊断一个疾病往往不会只依靠一种设备，仍然存在着漏诊或者误诊的风险。所以，把不同的诊断设备进行整合，形成多模态的人工智能诊断系统，将是未来趋势。
我们团队将眼底照相和OCT两种不同的诊断数据融合后，去诊断青光眼，进一步提升了诊断的效能。目前，实现了双模态、双任务，但是要真正实现多模态多任务，还要解决设备在空间和时间上的融合和交叉问题，否则影像特征难以准确匹配。
现在，我们把眼科的几个重要诊断设备，如OCT、裂隙灯、眼底照相数据集成，正在进行系统开发，硬件也即将进入开发阶段。
虽然多模态进入临床还要一段时间，但是双模态这种搭载智能诊断系统的装备已经进入到临床，这是把眼底照相和OCT两个不同的模态影像进行融合，在临床上对眼科疾病进行诊断。
将来，算法会如何发展？
我们看到一个有意思的研究：用人工智能的方法，去计算一个抛出物体在空间的运动轨迹和落地点。
传统算法的工作量会非常大。但是，从物理学的先验知识角度来看，如果没有外界干扰，遵循简单的抛物线原理，就能完成算法系统的开发。
因此，我们要抛弃单纯由医生贴标签的过程，把文本、逻辑等先验知识结合起来，进行新一代人工智能算法系统的开发。
同时，系统本身还要进行自我进化，也就是遗传算法。被公众所熟知的人工智能标志事件是，AlphaGo打败了人类最顶尖的棋手。后来，Alpha Zero不用学棋谱，只学里面的逻辑概念、判定胜负的原则，它自己进行逻辑的归纳，就能完成算法的提升。最后，它又打败了AlphaGo。
未来，算法要体现自我提升的能力，才不会局限于人类自身的逻辑思维，也就是“超智能”、“超脑”的概念。
走到这里，人工智能系统只是走完了开发阶段，很多系统会倒在最后一公里——真实世界研究。换句话说，你的模型、算法框架可以做的很好，但是到了临床上，能否依然保持高水准。
如果达不到，一定会被市场抛弃和淘汰。
如何去做真实世界研究？要有规范。这个规范没有答案，也没有参照物。既然没有，我们就要自己做。
首先，我们要有一个团体。2018年，我牵头组建了全国第一个智能眼科学组。
这是一个跨学科的组织，包括97个眼科机构、全国排名前20的眼科机构、研究机构，中科院图像所、中科院计算所、头部AI企业、BAT都加入了这个组织。依托这个组织，我们制定了全球第一个针对眼底照相的人工智能筛查、临床应用指南，为人工智能诊断系统的真实世界研究提供了一个范本。
这份指南是中英文同时发布，英文版在发布不到三个月的时间里，被国际顶刊转发超过7万次。指南也和智能医学专委会，包括眼科学会和医师学会等三大学会共同见证，推广在临床的使用。
基于指南的要求，两个医疗AI公司硅基智能、鹰瞳科技在2020年陆续得到NMPA的三类器械批准，这两个团队都是来自我们的眼科中心，硅基就是和我们这个团队合作。
除了指南，我们也在进行行业规范化发展。
2019年，我们举办了第一个眼科的人工智能专刊，向眼科医生推广人工智能的理论问题。去年，我们也主办了第一个智能装备的专刊，介绍智能装备研发的最新动态。
今年，我们又受《人工智能》编辑部的委托，举办了智能医疗的专刊，进一步展示人工智能未来发展的前景。同时，我们完成了人工智能在眼底彩照标注领域的第一个团体标准，使大家以后在系统的开发上更加有规章可循。
人工智能在医疗领域是全链条、全生态的覆盖。
以前，我们讲的都是眼科人工智能。现在，把这个词进行了微调——智能眼科，是以人工智能、5G、可穿戴设备、高清成像、新一代机器人等新时代的技术，融合到临床上应用，打造真正的智能眼科，而不仅仅局限于眼科人工智能这样的概念。
目前，我们正在与深睿医疗合作，由我牵头推进的一个全天候、多场景、交互式的视觉功能导航系统，将工智能的场景识别，包括智能汽车导航的识别方法，对新的元器件进行整合，打造一个对低视力和盲人的智能视力辅助系统，从而改变他们的生活状态，提升生存质量。
最后，中国眼科人工智能的发展任重而道远。
国家已经提出了明确的目标，2025年成为人工智能强国，2030年要成为世界主要的人工智能创新中心，要实现这样一个看起来已经非常近的重大目标，需要医疗专家、理工科技术专家、企业共同携手。所以，我们的理念是“齐携手、共努力、期未来”。
