Deep Learning for Retinal Degeneration Assessment: A Comprehensive Analysis of the MARIO Challenge
本文对 MICCAI 2024 的 MARIO 挑战赛进行了全面分析，详细阐述了 35 支队伍如何利用多模态 OCT 和临床数据来基准测试人工智能在视网膜变性评估中的表现，并揭示了尽管人工智能在检测 AMD 进展方面的准确度能与医生相媲美，但目前在预测未来疾病演变方面仍存在不足。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你是一名正在试图破解一个发生在微小、精密的城市——人类眼睛内部——之谜的侦探。你正在观察视网膜，也就是眼睛后方那块对光敏感的屏幕。有时，这座城市会被一种狡猾、漏水的生长物入侵，那就是新生血管性年龄相关性黄斑变性（AMD）。这就像是一场管道灾难，细小的、不请自来的管道不断滋生并渗出液体，从而模糊了你的中心视野。为了修复这个问题，医生会使用特殊的“抗渗漏”注射剂（抗 VEGF），它们的作用就像超级胶水，用来封堵这些管道。但棘手的地方在于，漏水的情况每天都在变化。有时管道很安静，有时在喷涌，有时只是微微潮湿。医生必须每隔几周拍摄高分辨率的 3D 照片（称为 OCT 扫描），以观察这种“胶水”是否奏效。如果他们判断失误，可能会给不需要注射的患者进行注射，或者更糟的是，在患者病情恶化时等待太久。
长期以来，计算机在观察单张照片并说出“嘿，这只眼睛在漏水！”方面已经变得非常出色。但真正的挑战是像看电影而不是看静态照片。计算机需要观察两张间隔数周拍摄的照片，并做出判断：“漏水情况是改善了、保持不变，还是恶化了？”更难的是，计算机能否仅凭今天的一张照片，就预测三个月后会发生什么？这正是科学家们向全世界最优秀的 AI 侦探提出的问题，他们通过一个名为 MARIO 的全球竞赛来寻求答案。他们想知道人工智能是否可以成为医生的可靠助手，帮助他们决定何时进行注射，以及何时让患者休息。
伟大的眼睛侦探大赛
2024 年，一组研究人员组织了一场大规模的游戏，名为 MARIO 挑战赛（利用智能眼科技术监测年龄相关性黄斑变性）。他们召集了来自全球的 35 支 AI 专家团队，包括学生、大学研究人员和科技公司。目标是构建一个计算机程序，能够分析光学相干断层扫描（OCT）——即视网膜极其详细的 3D 横截面图像——来追踪该疾病。
这个挑战有两个等级，就像带有简单模式和困难模式的视频游戏。
第一关：“寻找变化”游戏
在这一关中，AI 被给予两张同一只眼睛在不同时间拍摄的照片（假设为访问 A 和访问 B）。计算机必须观察这两张照片并决定：疾病是减轻了（好转）、稳定（保持不变），还是恶化（变差）了？
这里的统计结果令人兴奋。表现最好的团队名为 MIPLAB，他们构建的模型在约 86% 的情况下判断正确。为了让你有个直观的概念，这几乎达到了两位人类眼科医生达成共识的水平！AI 成功学会了识别两次扫描之间细微的液体水平差异。这就像是在教计算机通过观察两张照片，就能注意到人行道上的积水是缩小了还是增大了。这表明，对于检查目前的治疗是否奏效，AI 已经准备好成为一名得力的助手。
第二关：“水晶球”游戏
这一关要难得多。AI 只被给予一张照片（访问 A），然后必须预测未来三个月会发生什么。眼睛会好转、保持不变，还是恶化？
结果却让人清醒。表现最好的 AI 模型仅获得了约 0.30 的得分，这几乎并不比每次都猜“稳定”要好多少，因为大多数眼睛确实是稳定的。各团队的预测结果差异巨大，甚至连彼此之间的共识度都不如随机猜测。这就像 AI 正试图仅凭今天的一张天空照片来预测三个月后的天气；那张照片中并没有足够的信息来预知未来。论文得出结论，根据单次访问来预测未来仍然是一个问题，AI 目前尚未解决。
“外语”问题
故事中还有一个转折，它向研究人员展示了一个关于公平性和可靠性的重要教训。主要患者群体来自法国布雷斯特。但为了测试 AI 是真的聪明还是仅仅记住了法国的数据，组织者加入了一组来自阿尔及利亚特莱姆森的微小且秘密的测试集。这些患者的背景不同，他们的眼部扫描也是使用不同的设备设置进行的。
当在法国数据上表现优异的 AI 尝试解决阿尔及利亚的谜题时，它表现得很糟糕。在法国排名第一的团队在阿尔及利亚跌至第五名。有些团队的分数暴跌，几乎到了随机猜测的水平。这就像一个学生在某个教室里数学考得很好，但当老师换了一本带有略微不同符号的教科书时，却完全不及格。这表明 AI 模型对数据的来源过于敏感。它们并没有学会眼睛的普遍规律，而只是学会了法国扫描图像的特定“口音”。
这意味着什么？
MARIO 挑战赛为我们绘制了一张清晰的现状图。
- 短期监测是可能的： 如果医生想知道与上个月的扫描相比，一只眼睛是好转了还是恶化了，AI 可以做得很好。它已经接近准备好协助医生节省时间并减少不必要的注射。
- 长期预测尚未成熟： 如果医生想根据单次扫描来预测三个月后会发生什么，目前的 AI 是毫无用处的。信号太弱，模型仅仅是在瞎猜。
- 并非所有人都适用同一种方案： 一个在某一群人身上表现完美的 AI，在另一群人身上可能会惨败。在我们能将这些工具应用于全球医院之前，我们需要确保它们对每个人都有效，无论人们居住在哪里，也无论使用的是哪种机器扫描了他们的眼睛。
这篇论文并不声称已经破解了 AMD 之谜，但它确实破解了关于 AI 目前能做什么、不能做什么的谜团。它告诉我们，虽然我们已经建立了一个非常好的“观察者”来捕捉当前的 변화，但我们仍需发明一个更聪明的“预言家”来洞察未来。而在那之前，当我们面对一个全新的社区时，我们必须谨慎，不要过度信任我们的数字侦探。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。