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。如何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，建立中国特色的医学人工智能发展模式，仍然是目前中国广大人工智能工作者们面临的重大科学问题。
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。
首创医学图像密集标注技术Visionome
医学图像密集标注技术Visionome是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，由林浩添教授、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年钻研合作共同研发完成。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。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。
