人工智能醫療的應用研究

• 2018年7月3日 YeShiMei來源：醫師報 1371 90
• 繁體

• 

  2018-2023年版醫療保健服務項目商業計劃書

  《2018-2023年醫療保健服務項目商業計劃書》為中研普華公司獨家首創針對項目投融資咨詢服務的專項計劃書。計劃書分為：行業通用版、專業定制版。行業通用版是中研普華根據行業一般水平測算好了B...

人工智能在醫療領域，尤其是神經系統疾病的應用。他表示，神經系統是一個萬向鏈接的網絡，最適合開展人工智能研究，特別看好人工智能未來在改變腦病臨床決策、醫院管理等方面的應用。

人工智能(AI)是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及醫用系統的一門新的技術科學。AI是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式作出反應的智能機器。AI領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

4月28日，國辦印發《促進“互聯網+醫療健康”發展的意見》，從醫療服務、公共衛生服務、家庭醫生簽約服務、藥品供應保障、醫療AI應用等7個方面，健全“互聯網+醫療健康”服務體系。核心是此前散落在各級各類醫療機構的醫療、健康數據與互聯網智慧連接共享，以優化醫療資源配置，創新服務模式，提高服務效率，降低服務成本，滿足人民群眾日益增長的醫療衛生健康需求。

5月8日，在全球首場圍繞神經系統疾病影像診斷的“人機大賽”啟動儀式上，神經內科專家、國家神經系統疾病臨床醫學研究中心副主任、北京天壇醫院常務副院長王擁軍教授介紹了人工智能在醫療領域，尤其是神經系統疾病的應用。他表示，神經系統是一個萬向鏈接的網絡，最適合開展人工智能研究，特別看好人工智能未來在改變腦病臨床決策、醫院管理等方面的應用。

神經疾病AI診治決策：互聯網+大數據+多學組

王教授介紹，隨著神經疾病人工智能研究中心相關工作的全面開展，天壇醫院未來將展現出更多人工智能應用場景，如神經病理切片的AI輔助診斷;神經疾病患者的智能護理;依據患者診療數據，AI定制個性化治療方案，輔助醫生決策;卒中后遺癥、帕金森等神經系統疾病患者的肢體及語言康復智能化輔助訓練等。

此外，北京天壇醫院還將建立人工智能腦血管培訓中心，利用人工智能，模擬“還原”各種腦血管疾病患者狀態，醫生可在“機器人”身上進行診斷、治療、干預，機器人也會表現出血壓升高、出血等病征，讓科研、教學和培訓場景，更生動、有效。

王教授認為，未來，新天壇醫院一定是互聯網+大數據+多(科)學組的神經系統疾病人工智能診斷+治療決策平臺。“人的基因組、蛋白組、代謝組、醫學影像等數據，將從生物信息視角，超算、串聯起來，解決更多問題?！?/p>

用研究人腦的智慧：以類腦計算方式解決腦病

王教授介紹，神經細胞的損傷具有不可逆性，致殘致死率很高。早發現、早診斷、早干預，是影響神經系統疾病療效的關鍵。在中國優質醫療資源分布極不均衡的背景下，對于復雜程度高、定位診斷難度大的神經系統疾病，在基層臨床的誤診率、漏診率居高不下。

王教授認為，神經疾病的“人腦”診療處于國際領先地位的天壇醫院，在AI研究開發和深度學習上，擁有先天優勢和大數據基礎。2017年12月22日，國家神經系統疾病臨床醫學研究中心發起成立了全球首家神經疾病人工智能研究中心，并落戶首都醫科大學附屬北京天壇醫院。

AI在腦血管病的應用是用研究人腦的智慧，以類腦計算的方式解決腦部疾病。目前對于AI在腦血管病診治的研究方向主要包括三方面。并據此，天壇醫院參與研發了全球首款CT、MRI神經影像AI輔助診斷產品。

缺血性腦血管病影像智能判讀

缺血性腦血管病的診斷和臨床研究需包括很多影像內容，有大血管病變、小血管病變、血管狹窄、血管梗死體積等。“進行缺血性腦血管病研究時如果將全國多中心的梗死灶、小血管病和狹窄都進行測定，則1張影像片的判讀需1個人花0.5~1h的時間。如果開展大數據研究，將幾萬人的影像數據都進行判讀和記錄，則需要一個中心所有醫生1~2年時間。如果AI能做到和人一樣的診斷水平，1萬張影像片的判讀最長10min就可以。這對臨床研究來說是跨時代的進步?！?/p>

神經腫瘤的診斷

“兒童腫瘤中，除白血病外，發病最高的就是腦部腫瘤。腦部腫瘤的死亡率很高，尤其是膠質細胞瘤，6個月生存率和晚期肝癌類似。”王教授介紹，希望通過AI對海量疾病信息的深度學習，提高對腦瘤的早期識別和鑒別診斷能力，基層醫院接入該系統后，相當于引進一名擁有國際領先技術的神經疾病診療專家，使腦病患者不必奔波大城市、擠大醫院，“家門口”就能獲得高品質、個性化的診療方案，極大緩解疑難重癥患者“看病難，看病貴”問題。

出血性卒中血腫擴大的預測

王教授介紹，顱內出血死亡率為腦血管病中最高，最大的原因是血腫擴大，可導致患者死亡率增加數倍。血腫擴大可通過降低血壓、早期用止血藥物預防。但并非每個患者都會出現血腫擴大，而降低血壓存在外周缺血風險，止血藥物會帶來血栓等風險。因此，準確預測血腫擴大患者并及時干預是臨床降低腦出血患者死亡率的重要措施。目前的方法是注射碘造影劑，最佳陽性預測率約為70%。而AI通過對海量疾病信息的深度學習，血腫擴大陽性預測率或可達85%~90%;且AI不用給患者注射造影劑，降低潛在的腎臟損害或適合碘過敏不能耐受者。

人工智能在醫療領域應用快速發展

王擁軍教授介紹，AI通過“深度學習”來建立、模擬人腦進行分析學習的神經網絡，通過模仿人腦的機制解釋數據，如圖像、聲音和文本，并不斷延伸人腦的功能。

“AI正在不斷改變我們的醫療?！蓖鯎碥娊淌谡f。研究顯示，AI在醫療和健康領域的市場將從2014年的6億增長到2021年的66億，增長11倍，未來更將以爆炸式的速度增長。

王擁軍教授介紹，目前AI在醫學領域應用市場占比最多的是機器人輔助外科技術，其次是AI模擬現實的護理輔助，第三是醫院流程管理，其后是缺陷測定、藥物劑量糾錯、設備連接、臨床試驗、初步診斷、自動化圖像處理、網絡安全。

“未來，護士輸液不用推著藥品咣當響，床旁超聲不再需要推那么重的機器，給患者送食物不用護理人員來回穿梭，手術室送麻醉藥不用再來回十多分鐘的奔跑?！蓖踅淌谡f，這些在智能時代很快就會解決，AI將給醫院帶來新的變化。

延伸閱讀

推薦閱讀

猜您喜歡