教授观点 | 人工智能为人类视觉评估带来创新发展的新动能

2020-6-27 04:49:42

内容摘要：

速读文章内容

Scroll down forEnglish

视力表最早可以追溯到19世纪中叶，自那以后，几乎没有太多变化。目前，绝大多数眼视光医生仍通过让患者辨别视力表上的字母或数字来测量他们的视力状况。

但这真的是检测视力的最好方式吗？

上海纽约大学首席科学家、副教务长吕忠林教授认为，虽然这些图表仍具有价值，但对测量视力丧失或视力的其他变化来说过于不精确。这可能会妨碍眼部相关疾病（例如弱视、老年性黃斑部病变、糖尿病性视网膜病变、糖尿病性黄斑水肿、青光眼和白内障）的早期发现和治疗。仅在美国，受这种情况影响的人群规模就超过了4500万人，每年因此产生的医疗支出和生产损失约为1390亿美元。

吕忠林教授也是纽约大学神经科学中心和心理学系教授。他和他的团队在很多年前就认识到了这个缺陷，并开始开发多种前沿的方法来评估视力并监测它的变化。

他在相关的基础研究领域的工作对开发视力检测起到了积极的推动作用。在此，吕教授介绍了他这项工作的内容，以及如何建立更好的视力表：

您如何评价目前使用的标准视力表？它的局限性是什么？

目前常用的视力表只能非常粗略地反映视力情况，它们只关注视觉的一个方面：受测者能看到的最小字母是什么。由于这种视力检测表的精确度低，它们已被证明不足以用来筛查视力丧失，或证明新疗法在临床试验中的功效，也无法为获得批准后的疗法的适用范围提供现实依据。例如，尽管某种治疗方法可能已被美国食品药品监督管理局（FDA）等监管机构批准，但被运用于临床时，可能无法如其声称的那样有效。这就导致医生、医院不会使用这种疗法，保险公司也不会为其买单。因此，医生无法发现早期疾病，药物研究人员无法确定新疗法的早期成果，监管机构、保险公司及政府也难以就药物审批及药物适用范围做出明智的决策。

您是如何解决这一难题的？

利用人工智能。当提起机器学习或人工智能时，人们可能不太会想到视力表。但我所考虑的是，如若将这些技术与神经科学相结合，是否将有助于视力测试方法的革新？

我们相信有机会将这些智能工具应用于视力测试，并在临床试验和实际护理中提供有效决策所需要的信号。基于对人类视觉系统的相关知识，我们开发了一套全新的硬件、软件平台，以及主动学习的计算框架，以实现人类视觉评估的现代化。主动学习算法会为每位患者广泛评估大量的潜在测试项目，并且基于其先前的响应量身制定一个最佳的测试序列。也就是说，我们能够利用这种个性化的方法，为每位患者筛选出最佳视觉测试表型。

上海纽约大学NYUShanghai

吕忠林教授在上海纽约大学图书馆

您的研究发现了视力表检测的哪些局限？

在现实生活中，我们会看到许多大小不同、形态各异的物体。一项更全面的视力测试必须评估一个人看到多种不同尺寸物体的能力。而对比敏感度测试正符合这一要求，它可以测量一个人看到所有尺寸物体所需要的对比度值。但是，实验室中典型的对比敏感度测试大约需要一个小时，不适用于临床实践。目前，我们的研发成果将测试时间缩短至2-5分钟，并在保持细粒级别实验室测试精确度的同时，让这项测试也可以被临床医生使用。

您如何做到缩短了测试时间？

对比度敏感测试包含一系列试验，我们要求每个受试者识别特定大小和对比度的字母。基于受试者对测试刺激的反应，主动学习算法会试图寻找每个受试者对比敏感度曲线的相关特征，并在下一项试验中使用最优测试刺激 – 也就是可以产生对比敏感度曲线最大信息量的那个刺激。通过这种方式，主动学习算法可以快速得出个体对比敏感度曲线的精确测量。

您的研究是否已经应用于现实治疗？

将会很快得以应用。我和我的一名学生Luis Lesmes共同创立了一家名叫Adaptive Sensory Technology的公司，正在将这项研究成果投入实践。我们建立了一个平台，旨在通过算法评估和机器学习技术，更准确地检测视力及其变化。

这种新型检测方式背后的方法论，是否也适用于其他人类健康领域？

可以的。目前，医生需要通过一系列的检测来提供准确的诊断。基于这项研究成果背后的方法论可以生成个性化测试，帮助医生提出更有针对性的问题，并就每个病人的情况提出更精确的检测。另一种可能的应用是个性化治疗——主动学习可以根据每位患者对多种治疗方案的不同反应提供个性化的最优治疗方案。

上海纽约大学NYUShanghai