ai精准学测试（斯坦福团队AI视力测试系统）

ai精准学测试（斯坦福团队AI视力测试系统）另外，由于印刷局限，测得视力分数的离散化程度都是固定的，这使得很难有比预定离散化更精确的测量精度。然而，对于斯坦福大学的研究人员来说，这种司空见惯的视力测试方法虽然快速、易管理，但也存在一些局限性。例如，当字母变得模糊时，患者会开始猜测字母（有时甚至能够通过记忆来蒙混过关）斯内伦图（Snellen chart）是一种传统的视力测试法，其使用可以追溯至 1862 年。该图实际上是一张大写字母表，通过逐渐减小字体大小的方法，让患者在固定距离外进行测试。每向下移动一行，测试人员就向患者询问少量问题，以确定患者是否能正确识别一半以上的字母，而每行字母也都对应一个视力分数。事实上，斯内伦图的使用早已遍及全世界，数十亿人使用这种基于图表的视力测试对人的视力损害进行诊断和指导治疗。

如今，视力限制性眼病普遍存在，影响着全球数十亿人，仅在中国，近视人数就已超过 6 亿。对于患有眼部疾病的患者或人群，精确测量视力，是早期诊断和治疗视力损害的关键部分。

近日，斯坦福大学（Stanford University）计算机科学家克里斯·皮奇（Chris Piech）及其同事开发了一种由人工智能（AI）推动的在线视力测试系统，该系统仅需进行四步操作，即可完成视力测试，且结果十分精准。

Science 杂志报道称，这种全新的测试诊断结果比传统的字母表测试更准确。如果进一步完善的话，这种测试还可以让眼疾患者在家里就可以完成视力测试。而这也意味着，传统的眼科检查可能迎来全新升级。

传统视力测试：上上下下左左右右

斯内伦图（Snellen chart）是一种传统的视力测试法，其使用可以追溯至 1862 年。该图实际上是一张大写字母表，通过逐渐减小字体大小的方法，让患者在固定距离外进行测试。

每向下移动一行，测试人员就向患者询问少量问题，以确定患者是否能正确识别一半以上的字母，而每行字母也都对应一个视力分数。

事实上，斯内伦图的使用早已遍及全世界，数十亿人使用这种基于图表的视力测试对人的视力损害进行诊断和指导治疗。

然而，对于斯坦福大学的研究人员来说，这种司空见惯的视力测试方法虽然快速、易管理，但也存在一些局限性。例如，当字母变得模糊时，患者会开始猜测字母（有时甚至能够通过记忆来蒙混过关）

另外，由于印刷局限，测得视力分数的离散化程度都是固定的，这使得很难有比预定离散化更精确的测量精度。

AI 加持视力测试

为了解决这些问题，皮奇领导的研究团队开发了一个AI在线测试系统。

在线测试链接 https://myeyes.ai/，大家也可以点击文末阅读原文尝试一下！

首先，用户需要将网页上的框调整为信用卡大小，以校准屏幕大小；然后输入与屏幕的距离，测试过程中在四个方向随机显示字母“E”。

接下来，该算法会根据每一个答案，使用统计数据对下一次显示的字母大小进行调整。随着测试的进行，该算法能够对测试分数做出更准确的预测，每只眼睛的测试需要判断 20 个字母，整个过程只需要几分钟。

该研究发现，相比于传统的视力图表，这种 AI 测试可以显示任意大小的字母，并且可以根据智能概率模型自适应地做出决策，因此可能解决印刷图表的缺点。研究人员表示，该测试使用心理测量项目反应理论（IRT）算法，可减少 19% 的误差。

同时，研究团队重新审视了人类视觉反应函数（VRF），该函数一个将字母大小与人们正确识别字母的概率联系起来，发现它可以很好地符合真实患者数据。

研究人员还提出了一种现代人工智能中常用的贝叶斯技术来测量敏锐度的算法，即斯坦福敏锐度测试（StACT）。这是一种基于改进的视力模型和智能推理过程的新型视力测验，其算法不仅将偶然选择错误答案的概率考虑进来，还使用了后验概率匹配法以确定下一个字母的大小。

（a）不同算法的检查长度和错误之间的权衡。（b） StACT预测项目的形象化。（c） 校准测试：StACT置信度对应于正确答案的频率。

为了评估 AI 测量系统的准确度，研究团队的所有实验都随机抽取 1000 名患者，并使用他们的测试数据来模拟每个策略的性能。每个实验都会得到两个数字：模拟病人的真实视力和算法诊断出的视力，而后计算出二者的百分比偏差，以此进一步提高测试的准确度。

根据研究小组在 AAAI 人工智能会议上的报告，AI 视力诊断结果比斯内伦测试结果误差减少了 74%，与之前最好的数字测试相比，错误率则减少了 67%。

“这绝对是有帮助的，”费城眼科医生马克·布莱彻（Mark Blecher）说，“下一步重要的是要考虑用户参加测试的情况。房间照明或屏幕亮度等因素都可能影响评分。”

尽管目前 AI 系统还无法完全取代医生诊断，但它确实在这一方面取得了显著进步。克里格眼科研究所（Krieger Eye Institute）的眼科医生劳拉·格林（Laura Green）说：“我认为它将很快被超过80%的眼科实践所采用。”

AI 眼科医生，水平堪比专家

近年来，人工智能技术发展迅速，已经成为医学领域研究的前沿热点之一。其中，由于 AI 技术的便捷性和高效性使其在眼科疾病筛查、诊疗以及随访中表现出巨大的应用前景。

从医生的角度来看，人类能够诊治疾病是有限度的，很多疾病早期诊断是很困难的。以青光眼为例，根据一次门诊，眼科医生难以判断青光眼患者目前是否是在进展；糖尿病视网膜病变患者接受抗 VEGF 治疗，事先也无法判断每一个患者治疗后反应如何，需要多次随访综合判断。

在眼科 AI 领域，目前中国的研究与世界一流水平并行，一些机构在先天性白内障、糖网、青光眼、近视眼等相关医疗 AI 研究领域都做出了业界瞩目的成果。

比如国内中山大学中山眼科中心何明光教授团队，开发的AI眼科医生，可以同时监测青光眼、糖尿病视网膜病变、年龄相关性黄斑变性、白内障四大眼疾。在一项糖网筛查中，这位 AI 医生三个月内就完成了一万名普通人群的眼疾筛查任务，打破了之前做检测动辄等两三周、结果出来后找不到患者送结果的僵局。

不久前，由同仁医院王宁利专家团队与腾讯公司青光眼模块联合研发的青光眼 AI 筛查系统，不但能够输出青光眼诊断结果，而且采取热图的方式显示出病灶可能所处的部位。这使得该系统不仅仅停留在基层筛查层面，而是应用于更多医学场合。

例如，医生可以通过可视化辅助工具，直观地向患者显示红色区域就是神经性缺损的区域，以及缺损的部位有多大，从而对疾病进行量化。同时，对于患者来说，疾病不再抽象，更加利于他们理解。目前，这一 AI 系统对早期青光眼病灶的诊断准确性已经达到了 95%，相当于同仁成熟眼科医生的诊断水平。

虽然目前大多数的 AI 医生系统仍然处于为人类医生辅助诊断的阶段，但随着技术的进步，AI 必定在医疗健康领域发挥越来越重要的作用。

资料来源：
https://www.sciencemag.org/news/2020/06/eye-robot-artificial-intelligence-dramatically-improves-accuracy-classic-eye-examhttps://web.stanford.edu/~cpiech/bio/papers/StAT.pdfhttps://www.aiide.org/ojs/index.php/AAAI/article/view/5384http://henan.china.com.cn/health/2020-06/06/content_41176149.htmhttps://mp.weixin.qq.com/s/uqy1yvMLmbUWsAcqprDbPghttp://med.china.com.cn/content/pid/148071/tid/3https://myeyes.ai/