遠程輸送醫學智慧 AI現身事半功倍

　　圖片來源于網絡

　　據報道，美國威斯康星大學近期研究發現，“在線問診”提高了醫院6%的就診率。他們回訪了5年、14萬名患者，并將原因歸結為：醫學問題更復雜，患者描述不清，難以診斷，最終導致醫院少診治了15%的患者。

　　在這個案例中，溝通質量就像“輸電損耗”，在遠程傳輸中削弱。在其他領域都可以帶來便捷的在線模式，在醫療領域會不會成為雞肋呢？

　　事實上，人機交互越來越接近人與人的溝通，在某些方面似乎更能避免“代溝”“理解偏差”等人類本身存在的問題。“我們研究的總體目標是幫助理解用戶的意圖。”中國科學院軟件所研究員田豐說，手勢、體態、觸控、語音、表情、眼動、生理等非精確的信息現在也在機器的理解范疇之內。

　　懂得自然交互的人工智能，會不會使給醫院“添麻煩”的遠程醫療有所不同呢？AI現身智慧醫療，現有技術如何讓遠程醫療“止損”？未來又會有哪些意想不到的便利？

　　AI觸感，開啟智能“懸絲診脈”

　　如果嫌蘋果手表太貴，人們可能也會用一個手環記錄身體的心跳、脈搏、運動進程等數據，這些可以作為人們對自身健康狀況評估的參考。

　　用穿戴設備獲得信息，是針對文章開頭提到的“患者描述不清”問題的一個最直接的解決方法。但如果沒有醫學專業知識，這些評估并不能上升到醫療層面，用以判斷疾病。

　　為此，科學家們正在開發各種醫用級的穿戴設備，例如“加持”了傳感器、陀螺儀的筆、積木等。田豐介紹，“在傳統的帕金森病診斷過程中，醫生會讓患者在紙上連線、畫螺旋線等，通過這種方式獲得患者無法訴說的身體指征。”

　　“我們可以用更智能的方式獲得正確的信息，云端融合的多感知交互設備，將裝配到醫院的智能診室中。”田豐說，不止如此，智能設備還能發現傳統方法感知不到的細節。

　　“例如有了傳感器的筆可以探測到使用者的用筆壓力變化、用筆方式等之前感覺不到的因素，我們發現這些也和帕金森癥的前期征兆有關，”田豐提到的研究隸屬于國家重點研發計劃“云端融合的自然交互設備和工具”項目，該研究中的一個重要研究內容就是可穿戴、高精度、大范圍、多目標的動作捕獲及識別。

　　“手部姿態的獲取，已經用在智能診室中，幫助醫生診斷神經系統方面的疾病，”田豐說，項目參與單位協和醫院正在進行試點應用。

　　除了高精度的手部姿態獲取外，新材料的集成使得衣物可以在線探測身體健康的各種指標。

　　田豐介紹，項目研發的柔性織物生理傳感器，是將干電極與織物集成，穿在身上就能捕捉到心電、肌電信號。“舉個通俗的例子，穿上這個衣服，心電圖就能傳到信息中心。”田豐說。

　　“此外，‘可穿戴慣性全身動作捕捉技術’讓我們能同時捕捉患者的步態，”田豐說，這些感知系統，已經在神經系統疾病的醫學診斷流程中發揮作用。

　　古代中醫有懸絲診脈，智能穿戴設備的出現，讓脈搏等生命體征通過傳感器、網絡傳遞進入診室，可見，讓機器系統有了基于自然交互的“觸感”，患者的描述在醫生的診斷過程中，將不再成為主要的判斷依據。

　　協醫AI，判診精度高于人眼

　　“有AI已經報名醫師資格考試，當然是匿名的，”科大訊飛市場經理林波說，雖然成績目前還是保密的，但他對協醫AI的表現有信心。

　　這個系列名為“曉醫”的機器人已經在北京301醫院、安徽省立醫院、上海瑞金醫院等醫院上崗。海量的醫學知識基礎是它們成為“協醫”的第一步。“‘吃’書本是‘曉醫’的強項，”林波說，“醫學學士學習5年的書本它們很短時間就能輸入進去，但是‘理解、掌握、應用’并不容易，需要通過模型構建、系統開發等實現AI的自主學習。”

　　這只解決了機器對人類信息的掌握問題，林波說，“基于科大訊飛的智能語音識別、語音合成和自然語言理解等技術，我們同樣解決了人對機器‘學習’信息的調用問題。”

　　最直接的交互是人類的語言，林波說，“如果你到醫院說‘肚子痛’，它會提出與肚子疼相關的問題，然后才幫你掛相應科室的號。”根據301醫院的數據反饋，一個導診護士每天的服務量大概是800人次，一個機器人每天的交互達到了2000多次，服務六七百人次。

　　協醫AI不只直接幫助患者，還會幫助醫生。智能閱片系統可以利用深度學習技術開發智能影像識別，輔助醫生閱片。醫學影像輔助診斷系統可以自動處理影像，找出結節病灶并通過列表和色塊直觀展現給醫生。

　　“這類產品的新聞有很多，但是，需要關注的是‘準確度’，”林波提醒，“對患者個體而言，哪怕準確率提高0.01%，也是很大的影響。”

　　“AI的輔助判斷，能夠達到肉眼無法達到的精度，”林波說，這些技術目前都用于裝配智能診室，提高醫院的診斷效率和接診人數。

　　反哺研究，數據積累將指引新發現

　　上面提到的科學研究和產業落地，正在逐步將初診從病人描述中解放出來，也提高了醫院的接診容納量。

　　但這并不是AI賦能智慧醫療的全部。“我們正在將資深醫生的診治經驗輸送到偏遠山區”“我們讓盲人看圖”“我們正在讀懂自己也不懂的身體語言”……在采訪中，無論是田豐還是林波，都表示AI對現狀做出了此前無法完成的改變。

　　“生理指征的捕獲元件可以放到患者手機上，通過這樣的方式，我們和醫院合作，做了大量的流行病學調查，形成了3000多例的人群數據集。”田豐說，這樣的數據積累為后續的數據挖掘、確定研究方向等奠定了基礎。

　　“美國著名的醫學院對我們的筆式、實物等系列自然交互技術也很感興趣，提出想要使用這些技術開展疾病診斷的研究工作。”田豐說。

　　更多的數據積累還在路上。“我們正在將資深醫生的診治經驗輸送到偏遠山區，”林濤說，“遠程醫療可以使得三甲醫院的醫生能夠幫助縣醫院就診的患者診斷病情。從另一個角度說，數據是交互的，病例的積累也為醫生對某一病種的深度研究提供了分析基礎。”