本报讯（记者朱汉斌 通讯员邰梦云）中山大学中山眼科中心教授林浩添、刘奕志与西安电子科技大学教授刘西洋团队首创了一种基于解剖学和病理学特征的医学图像密集标注方法——Visionome技术，日前相关成果在线发表于《自然—生物医学工程》。该方法可智能、高效诊断多种眼病，已进入临床转化应用。

目前国内医学人工智能发展面临优质数据提取困难、现有数据标注方法效率低等问题，加上许多疾病患病率低、不同学科数据特征迥异等因素，导致现有人工智能算法通常难以应对跨学科场景。

对此，林浩添提出了医学人工智能“乐高”计划，即将医学数据转化成可以拼插组合的“乐高”模块，打通不同疾病学科的数据异质性壁垒。研究人员利用类似DNA序列分割的原理对医学图像进行分割：建立Visionome密集标注标准流程，组织25人专家标注团队将1772张眼前段图像按照14种解剖结构进行区域分割，对6种病变部位按照54种病理性特征进行密集标注，最终得到13404个解剖结构标签和8329个病理特征标签。

“与传统图片级分类标注方法相比，Visionome技术可多产生12倍的标签，这些标签训练的算法显示了更好的诊断性能。”林浩添表示。作为“乐高”计划的首个研发成果，Visionome技术实现了人工智能的跨学科、多病种应用。基于此，研究团队训练出可准确识别多种眼前段病变的裂隙灯图像智能评估系统。

相关论文信息：https://doi.org/10.1038/s41551-020-0577-y