放大字體
縮小字體
你知道嗎？在不久的將來，透過短短 3 秒鐘的眼底鏡攝影，不需要排隊等候大型檢查，AI 就能依照根據眼球血管的細節，幫你揪出全身上下的疾病。
過去眼底圖多作為檢查視神經及黃斑部，判讀青光眼的準備程度約為 95%。林口長庚眼科部部長黃奕修形容，眼底攝影原理就像照相機，眼部色澤是判斷基準。此外，抽菸者血管受毒素傷害多，靜脈血流較慢，而中風血管破裂也會讓眼底扇形出血。除了眼部疾患外，較廣泛的心血管疾病也能從眼底圖窺知。
AI 觀察「說不出來」的細節，深度學習推算各項疾病
黃奕修是國內眼底圖 AI 系統的推動者，他多年前看到一篇《 Nature 》期刊系列的論文，使用超過 28 萬名患者的資料進行數據研究，發現眼底圖結合 AI 深度學習，能夠推算甚至預估心血管疾病。
黃奕修說明，AI 能根據眼底紅色的出血點，它的位置、排列、大小，依照數十萬張眼底圖病例進行演算。除了心血管疾病外，也從眼底圖算出性別，準確率高達 97%，比一半的機率還要高出太多。該篇論文在醫學界引起廣泛討論，至今共被引用上千次。這對他而言，也是偌大的震撼，近年來持續聯絡科技廠商，著手開發家用眼底攝影機以及 AI 大數據系統。
黃奕修舉例，如同性別，我們幾乎能辨別眼前的人是男是女，但其中的關鍵表徵又說不太上來，「這種細節說不上道理的東西，很適合 AI 做。」而 AI 系統的訓練過程，就是餵給它已裝有答案的訊息袋子，讓它學習躲在眼底圖的細節。
新加坡則讓死亡資料庫的眼底圖連結，推倒出病患的生理年齡。老化是人類風險疾病的關鍵，生理年齡相較於實際年齡，更能反應相關的身體機能變化。所以，一張眼底圖透過大數據資料庫推斷，就可迅速且有根據地得知目前病患的健康狀況。
眼底攝影風險低、效率高，精準醫療一大躍進
黃奕修提到，眼底資訊都是透明的，比其他器官更容易看到細節。眼底血管與全身的血管狀態平行，糖尿病患者血管阻塞，在眼底血管也能看得到；肝臟負責製造蛋白與排毒，肝病會影響蛋白成份，血流也會改變，眼底圖就能窺知。
目前眼底圖 AI 檢查系統，範疇包含腦神經、心血管、腎病、肝膽、肺部腫瘤、卵巢，甚至也能預知失智症，皆已有論文佐證。黃奕修進一步說明，失智症患者的蛋白變性，破壞了神經組織，其中光學上的特性變化，可以從眼底圖發現，讓過往難以提前注意到的失智症，看到了預防與治療的一線生機。
除了失智症以外，其他疾病的排程檢查也耗時費工，其中心導管檢查瞬間死亡率約為 1%，放射性腫瘤掃描檢查太多次，更會對染色體造成傷害。而眼底攝影這項非侵入性檢查，不需要抽血及做基因定序等，只要一張攝影圖就能執行精準化醫療。如此一來，高風險族群能增加篩檢頻率，且不需擔心副作用。
定期至蒙古義診的黃奕修，看好眼底圖 AI 系統發展成遠端醫療。在醫療器材不易普及的偏鄉地區，從口袋中掏出一支僅數百克的眼底攝影機，只要數秒，拍攝眼底圖後回傳 AI 系統，能讓診斷及治療更有效率。
隱私、法律面是阻礙，克服後將成眼科新曙光
目前國際眼底圖 AI 系統，在研究階段已有 6 至 7 年的歷史，過程中不免遭遇一些阻礙。眼底圖大數據資料會產生個資問題，需要去識別化；此外，法律及道德問題也要事先釐清，畢竟「人看不到、機器卻看得到」，在法規上較難接受。而且，AI 系統推算出死亡時間，對病人與家屬的心理影響，也需仔細衡量利弊。
目前國內眼底圖 AI 系統已有雛型，一切都在軌道上，臨床試驗有望在今年完成。黃奕修強調，AI 的概念是合作、分享，各方都要心胸寬大，才能收集到所有資料。他表示，疾病分有區域性，未來也能與各國合作，讓 AI 資料庫更為完善。
黃奕修認為，過往國內眼科在臨床與學術，要突破都有其難處；不過現在結合 AI，合作的範疇變廣，創造新題目後可以成為台灣的醫療強項。眼底圖 AI 系統若能發展成居家精準醫療，就是醫學界的「聖杯」。
文／林亭、圖／楊紹楚
諮詢專家：
林口長庚眼科部部長 黃奕修醫師
參考資料：
1. Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning
2. Retinal photograph-based deep learning predicts biological age, and stratifies morbidity and mortality risk