AI系统新应用及其局限性

——-现代视觉的新问题

都世民

摘要：本文主要讨论现代视觉研究的新动向。研究人员利用AI（人工智能）系统模型，通过检查眼睛，分析视网膜扫描图像，分别预测人们早逝的风险和心脏病发作迹象。最后讨论AI系统的使用有局限性。

关键词：AI，生物学年龄，生物标志物，心脏病，视网膜。

同一研究方法的两种预判

2022-01-24 ,《参考消息》报道：美媒：你的眼睛也是“年龄之窗”。文中指出：据美国趣味科学网站1月21日有一篇题为《眼睛或可揭示你真实的生物学年龄》的报道，一项新研究显示，通过检查眼中的微小血管，医生或许有朝一日能够预测人们早逝的风险。

(https://baijiahao.baidu.com/s?id=1722826282087715225&wfr=spider&for=pc)

2022-01-26,有一网文：＂Nature：AI看看你的眼睛，就能预判心脏病＂。

(https://www.163.com/dy/article/GULMM4TR051180F7.html)

英国利兹大学研究小组开发了一种釆用AI（人工智能）系统，该系统通过深度学习算法来训练，可以分析视网膜扫描图像中的心脏病发作迹象，识别准确率在70%-80%之间。

AI系统可以自动读取视网膜扫描图像，预测未来一年中该患者是否有心脏病发作的风险，并且眼部扫描的图像在一般配镜师或眼科诊所中就能获得。

以上两项研究目的不同，研究方法类同，都是AI（人工智能）系统，通过检查眼睛，分析视网膜扫描图像，分别预测人们早逝的风险和心脏病发作迹象。按理说这两项研究目的相互有关联。

借助色彩技术拍到的眼科视网膜图像(图片源于网络)

两个关键词

第一篇报道有两个关键词：生物学年龄、生物标志物。

〔1〕什么是生物学年龄？

生物学年龄是与人体生长发育中的某些事件的出现时间有关，是根据正常人体生理学和解剖学的发育状态所推断出来的年龄，表明人体的组织结构和生理功能的实际状态。心理学年龄用来表示心理发展的绝对水平，把心理学年龄与时间年龄相对比就能看出智力水平的高低。骨龄是骨骼年龄的简称，是人体生物学年龄的重要内容，是用骨骼的生长发育成熟和衰老的规律来推断年龄的。在人的生长发育过程中，最容易真实地反映生长时间的是骨骼系统。

〔2〕什么是“生物标志物（Biomarker）?

生物标志物这个词在用于生物医学领域之前，多见于地质学文献，曾被翻译成“生物标志化合物”，指的是地质材料中来自于活的生物体的一些有机化合物。上世纪六十年代，这一词汇开始出现在医学文献中。1983年首次出现《联邦政府风险评估》一书中，上世纪八十年代，它被正式地引入到生物医学领域。

2001年，美国NIH 召集的生物标志物定义工作组（Biomarkers Definitions Working Group）对生物标志物给出了一个定义：

生物标志物是指“一种可客观检测和评价的特性（characteristic），可作为正常生物学过程、病理过程或治疗干预药理学反应的指示因子”。

另外，生物标志物也有其它表述：

·生物标志物是指可以标记系统、器官、组织、细胞及亚细胞结构或功能的改变或可能发生的改变的生化指标，具有非常广泛的用途。生物标志物可用于疾病诊断、判断疾病分期或者用来评价新药或新疗法在目标人群中的安全性及有效性。

·生物标志物是通过测定生物体液，细胞和组织的各种反应，用生物化学、免疫学、遗传学等方法，来指示污染物的存在与否及生物个体的反应。生物标志物能够直接以生物体内靶细胞或靶分子为反应终点，十分敏感。检测结果能够说明生物个体内的细胞和组织是否已经暴露于超量的污染物中，环境污染物是否已对生物靶标诱发了毒性效应，以及毒性效应是否对种群，群落或生态系统引起了连锁反应。

生物标志物是常规生物检测方法的必要补充，配合使用能形成完整的生物监测体系。一个完整的全面的监测系统除了化学检测之外，还需要考虑对各种不同组织水平的生物效应，包括个体或亚个体水平，以及种群和群落水平的生物效应。运用先进的蛋白质组学技术在样品中寻找相关的生物标志物，可采用表面增强激光解吸电离飞行时间质谱技术(SELDI-TOF-MS)，筛选疾病相关生物标志物，利用反相高效液相色谱(RP-HPLC)对样品进行分离纯化，借助基质辅助激光解吸附电离飞时间质谱(MALDI-TOF-MS)跟踪目标蛋白，结合液质联用(LC-MS/MS)鉴定潜在的蛋白标志物。

检测样品有血清、血浆、尿液、胆汁、胆酸； 细胞、肝脏、脑组织等动物组织及粪便等； 植物、酵母、微生物等.

眼底与生物学年龄

以前的研究认为，人体有不同的生物标志物，这些标志物或许能够确定一个人的生物学年龄，它们包括特定的基因、认知能力、血压和免疫系统功能。过去的研究也了解，视网膜可指示一个人的生物学年龄，因为它可以提供有关疾病风险的线索。

研究者们认为：“视网膜提供了一个独特的、可访问的‘窗口’，可以评估与死亡风险增加有关的，系统性血管疾病和神经系统疾病的潜在病理过程。

在新的研究中，研究人员借助深度学习技术，通过分析视网膜的生物学年龄，来预测一个人的死亡风险。实际上研究人员认为本研究可以预判一个人的寿命。

研究者们认为，深度学习模型是一种能像人脑那样进行学习的人工智能模型，研究人员分析了8万多张眼底的图片。眼底是指眼睛内部的后表面，包括视网膜。他们获得的图片大约有4.7万人，其年龄在40至69岁之间。这些图片储存在英国生物医学大数据库中。这个生物医学数据库拥有超过50万英国居民的眼底信息。

除上述工作外，研究人员采用对比的方法，首先分析了1.1万多的健康参与者眼底图片，他们的眼底图片有1.9万多张。他们认为，这些人的视网膜生物学年龄应该与他们的时序年龄相似。

研究人员利用AI（人工智能）系统模型，评估了余下近3.6万名参与者的眼底照片。这些照片是经过11年的时间收集起来的。

他们研究结果表明：

51%的参与者有3年以上的“视网膜年龄差”，即生物学年龄和时序年龄之间的差异；

28%的参与者有5年以上的年龄差；

4.5%的参与者有10年以上的年龄差。

研究者们认为：

年龄差较大的人，死于心血管疾病或癌症以外原因的风险，要高出49%至67%。

年龄差每增加一年，任何原因的死亡风险增加2%，

心血管疾病和癌症以外原因的死亡风险增加3%。

但研究人员未发现视网膜年龄差同心血管疾病或癌症导致的死亡之间存在关联。

视网膜与心脏病

为什么研究人员未发现视网膜年龄差同心血管疾病或癌症导致的死亡之间存在关联？

可是下面的研究却用人工智能模型把两者关联在一起。

2022-01-26,有一网文：＂Nature：AI看看你的眼睛，就能预判心脏病＂。

(https://www.163.com/dy/article/GULMM4TR051180F7.html)

(图片源于网络)

英国利兹大学研究小组开发了一种AI（人工智能）系统，该系统通过深度学习算法来训练，可以分析视网膜扫描图像中的心脏病发作迹象，识别准确率在70%-80%之间。

这么高的识别准确率足以表明视网膜年龄差与心脏病发作有关联，

AI系统可以自动读取视网膜扫描图像，预测未来一年中该患者是否有心脏病发作的风险，并且眼部扫描的图像在一般配镜师或眼科诊所中就能获得。

本研究是由利兹大学领导，与中科院宁波慈溪生物医学工程研究所、英国约克大学、法国蔚蓝海岸大学等研究人员合作进行研究，系统训练的数据是由英国生物样本库（UK Bio-bank）提供。

这项研究先自动筛查视网膜图像，来预测一年内心脏病风险。

再观测视网膜图像上的血管密度或弯曲度等生物标记物与心功能相关性性，可能预示着患者的心脏病发作风险。

研究人员尔后通过研究分析心脏左室质量（LVM）和左室舒张末期容积（LVEDV），使用视网膜图像和基本人口数据，来预测患者的心肌梗死风险。

因为包括心脏病在内的心血管疾病，是全球早期患者死亡的主要原因，也是英国的第二大疾病杀手。视网膜AI识别系统可以更早地开始预防性治疗，以防范心血管疾病。

深度学习过程中，这个AI系统使用英国生物银行的大数据进行训练，分析了5000多人的视网膜扫描和心脏扫描图像，确定患者视网膜病理与心脏变化之间的关系。

该系统就可以仅通过视网膜扫描来估计左心室（心脏的四个腔室之一）的大小和泵送效率。一般情况下，心室扩大就代表着心脏病风险增加。

这5000个人的左心室大小变化及其泵送频率的信息，与患者的年龄、性别等基本数据统一起来，AI系统就可以预测他们在未来12个月内心脏病发作的风险。

AI系统的局限性

〔1〕上述研究表明：AI系统的使用，能大大降低心脏病诊断测试的成本。

现在为了确定心室大小和泵送效率，患者需要进行超声心动图或者心脏磁共振成像检测。

图片源自网络

(https://www.163.com/dy/article/GULMM4TR051180F7.html)

目前，上述检测的限制较多，只能在医院做，并且费用较高。因此，在经济不发达或医疗保健资源较少的地区，患者医疗费用高和等候时间可能会很长。

〔2〕利兹大学英国心脏基金会心血管影像学教授、该研究论文的作者之一斯文·普莱因（Sven Plein）说：“AI系统是解开自然界中存在的复杂模式的绝佳工具，正是我们发现的——视网膜变化与心脏变化相关的复杂模式。”其实這一说法有待进一步验证。真正的复杂模式应该将已认定的多个生物标志物综合加以研究，给出它们与生物学年龄的关系，以确定多因素所决定的生物学年龄。

〔3〕研究人员称，使用视野较小的视网膜图像，不—定包含黄斑和视盘的图像，可能会影响该方法的效果。同样，对比度、照明和图像质量的变化，也会显著影响研究结果。

〔4〕用于训练和评估的基本数据和图像采集参数方面有同质性。据了解，可使用的公开数据庫只有两个，分别是英国生物样本库（UK Biobank）和年龄相关性眼病研究机构（AREDS），上述两个机构提供视网膜图像、人口统计学和心肌梗死事件相关信息。有限的、只有两个数据庫实在太少。

〔5〕年龄相关性眼病研究机构的数据库，以前是用于评估年龄相关性黄斑变性（老年性黄斑变性）的研究。因此，该数据库的大多数参与者平均年龄为70岁，并非处于心肌梗死发病率迅速上升的年龄，与研究对象相关性差。

〔6〕本研究采用的是英国生物样本库提供的5000多名患者数据，相比于年龄相关性眼病研究机构，英国生物银行的数据异质性较高，其人口数据基本上是健康的。因此，数据库中记录的视网膜图像，与采集后的心肌梗死病例，在总人口中的比例相对较低。

总之，本文主要是讨论现代视觉研究的新动向。研究人员利用AI（人工智能）系统模型，通过检查眼睛，分析视网膜扫描图像，分别预测人们早逝的风险和心脏病发作迹象。以便对疾病预防提供建议。

最后讨论了AI系统的使用有局限性。AI系统的使用的训练数据相关性受限，这会影响研究结果。实际上，早已发表的学术论文表明，研究人员早就关注心血管疾病与视网膜之间的关联。下面列举已发表的文章：

〔1〕Wong，T.Y，Rosamond，W，丁倩，视网膜病与充血性心力衰竭危险度的关系，维普网 ,2005。

〔2〕张杨，刘凯，王东，宋雷，心血管疾病和视网膜微循环障碍的关系，维普期刊专业版 ，2017。

〔3〕Wong T.Y.，Shankar A.，Klein R.，任延平，视网膜血管直径与高血压风险的前瞻性队列研究，来自 知网 ，2005。

这是好多年前的研究，不表明是AI系统揭示的关系。