我校中山眼科中心林浩添教授、刘奕志教授与西安电子科技大学刘西洋教授带领团队经过5年钻研合作，首创了一种基于解剖学和病理学特征对医学图像进行密集标注的方法——医学图像密集标注技术Visionome。最新研究成果“Dense anatomical annotation of slit-lamp images improves the performance of deep learning for the diagnosis of ophthalmic disorders”于2020年6月22日发表于《自然》杂志的子刊《自然生物医学工程》（Nature Biomedical Engineering，IF=17.135），并进入临床转化应用。
       与传统图片级分类标注方法相比，Visionome技术可多产生12倍标签，而这些标签训练出来的算法显示了更好的诊断性能。基于此技术，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，可应用于大规模筛查、综合分诊、专家级评估、多路径诊疗建议等多个临床场景。不仅在回顾性数据集中表现出眼科专家级别的诊断水平，在前瞻性数据集中也表现出色。使用者通过在Visionome诊断系统中上传眼前段图像，即能一次获得多个部位的全方位诊断，与传统的人工智能算法相比，Visionome系统可生成更加全面、精细、具体的报告，真正让医学人工智能应用揭开神秘的面纱，成为一个接地气的“医生”。

裂隙灯图像智能评估系统可针对4项临床任务快速生成评估报告

        医学人工智能的浪潮已经到来。然而，目前国内医学人工智能发展仍面临优质数据提取困难、现有数据标注方法效率低等一系列问题，同时许多疾病患病率低，不同学科数据特征迥异，导致现有人工智能算法通常难以应对跨学科场景。为利用一流医疗人才团队与海量循证医疗数据的优势，突破僵局，在国家重点研发计划（2018YFC0116500）、国家自然科学基金面上项目（81770967）、广东省科技计划项目（2018B010109008）支持下，林浩添教授提出了医学人工智能“乐高”计划，以标准化数据标注模式、提高数据标注效率、建立医疗数据区块链等作为切入点，进行战略部署。该计划通过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。作为医学人工智能“乐高”计划的首个研发成果，Visionome技术成功实现了人工智能进行跨学科、多病种应用，证明了医学人工智能“乐高”计划的高度可行性。目前，团队已与数十家医院建立合作，加快推进医学人工智能“乐高”计划的跨学科应用。

 论文链接：https://www.nature.com/articles/s41551-020-0577-y