远程输送医学智慧 AI现身事半功倍

  图片来源于网络
    据报道，美国威斯康星大学近期研究发现，“在线问诊”提高了医院6%的就诊率。他们回访了5年、14万名患者，并将原因归结为：医学问题更复杂，患者描述不清，难以诊断，最终导致医院少诊治了15%的患者。

    在这个案例中，沟通质量就像“输电损耗”，在远程传输中削弱。在其他领域都可以带来便捷的在线模式，在医疗领域会不会成为鸡肋呢？

    事实上，人机交互越来越接近人与人的沟通，在某些方面似乎更能避免“代沟”“理解偏差”等人类本身存在的问题。“我们研究的总体目标是帮助理解用户的意图。”中国科学院软件所研究员田丰说，手势、体态、触控、语音、表情、眼动、生理等非精确的信息现在也在机器的理解范畴之内。

    懂得自然交互的人工智能，会不会使给医院“添麻烦”的远程医疗有所不同呢？AI现身智慧医疗，现有技术如何让远程医疗“止损”？未来又会有哪些意想不到的便利？

    AI触感，开启智能“悬丝诊脉”

    如果嫌苹果手表太贵，人们可能也会用一个手环记录身体的心跳、脉搏、运动进程等数据，这些可以作为人们对自身健康状况评估的参考。

    用穿戴设备获得信息，是针对文章开头提到的“患者描述不清”问题的一个最直接的解决方法。但如果没有医学专业知识，这些评估并不能上升到医疗层面，用以判断疾病。

    为此，科学家们正在开发各种医用级的穿戴设备，例如“加持”了传感器、陀螺仪的笔、积木等。田丰介绍，“在传统的帕金森病诊断过程中，医生会让患者在纸上连线、画螺旋线等，通过这种方式获得患者无法诉说的身体指征。”

    “我们可以用更智能的方式获得正确的信息，云端融合的多感知交互设备，将装配到医院的智能诊室中。”田丰说，不止如此，智能设备还能发现传统方法感知不到的细节。

    “例如有了传感器的笔可以探测到使用者的用笔压力变化、用笔方式等之前感觉不到的因素，我们发现这些也和帕金森症的前期征兆有关，”田丰提到的研究隶属于国家重点研发计划“云端融合的自然交互设备和工具”项目，该研究中的一个重要研究内容就是可穿戴、高精度、大范围、多目标的动作捕获及识别。

    “手部姿态的获取，已经用在智能诊室中，帮助医生诊断神经系统方面的疾病，”田丰说，项目参与单位协和医院正在进行试点应用。

    除了高精度的手部姿态获取外，新材料的集成使得衣物可以在线探测身体健康的各种指标。

    田丰介绍，项目研发的柔性织物生理传感器，是将干电极与织物集成，穿在身上就能捕捉到心电、肌电信号。“举个通俗的例子，穿上这个衣服，心电图就能传到信息中心。”田丰说。

    “此外，‘可穿戴惯性全身动作捕捉技术’让我们能同时捕捉患者的步态，”田丰说，这些感知系统，已经在神经系统疾病的医学诊断流程中发挥作用。

    古代中医有悬丝诊脉，智能穿戴设备的出现，让脉搏等生命体征通过传感器、网络传递进入诊室，可见，让机器系统有了基于自然交互的“触感”，患者的描述在医生的诊断过程中，将不再成为主要的判断依据。

    协医AI，判诊精度高于人眼

    “有AI已经报名医师资格考试，当然是匿名的，”科大讯飞市场经理林波说，虽然成绩目前还是保密的，但他对协医AI的表现有信心。

    这个系列名为“晓医”的机器人已经在北京301医院、安徽省立医院、上海瑞金医院等医院上岗。海量的医学知识基础是它们成为“协医”的第一步。“‘吃’书本是‘晓医’的强项，”林波说，“医学学士学习5年的书本它们很短时间就能输入进去，但是‘理解、掌握、应用’并不容易，需要通过模型构建、系统开发等实现AI的自主学习。”

    这只解决了机器对人类信息的掌握问题，林波说，“基于科大讯飞的智能语音识别、语音合成和自然语言理解等技术，我们同样解决了人对机器‘学习’信息的调用问题。”

    最直接的交互是人类的语言，林波说，“如果你到医院说‘肚子痛’，它会提出与肚子疼相关的问题，然后才帮你挂相应科室的号。”根据301医院的数据反馈，一个导诊护士每天的服务量大概是800人次，一个机器人每天的交互达到了2000多次，服务六七百人次。

    协医AI不只直接帮助患者，还会帮助医生。智能阅片系统可以利用深度学习技术开发智能影像识别，辅助医生阅片。医学影像辅助诊断系统可以自动处理影像，找出结节病灶并通过列表和色块直观展现给医生。

    “这类产品的新闻有很多，但是，需要关注的是‘准确度’，”林波提醒，“对患者个体而言，哪怕准确率提高0.01%，也是很大的影响。”

    “AI的辅助判断，能够达到肉眼无法达到的精度，”林波说，这些技术目前都用于装配智能诊室，提高医院的诊断效率和接诊人数。

    反哺研究，数据积累将指引新发现

    上面提到的科学研究和产业落地，正在逐步将初诊从病人描述中解放出来，也提高了医院的接诊容纳量。

    但这并不是AI赋能智慧医疗的全部。“我们正在将资深医生的诊治经验输送到偏远山区”“我们让盲人看图”“我们正在读懂自己也不懂的身体语言”……在采访中，无论是田丰还是林波，都表示AI对现状做出了此前无法完成的改变。

    “生理指征的捕获元件可以放到患者手机上，通过这样的方式，我们和医院合作，做了大量的流行病学调查，形成了3000多例的人群数据集。”田丰说，这样的数据积累为后续的数据挖掘、确定研究方向等奠定了基础。

    “美国著名的医学院对我们的笔式、实物等系列自然交互技术也很感兴趣，提出想要使用这些技术开展疾病诊断的研究工作。”田丰说。

    更多的数据积累还在路上。“我们正在将资深医生的诊治经验输送到偏远山区，”林涛说，“远程医疗可以使得三甲医院的医生能够帮助县医院就诊的患者诊断病情。从另一个角度说，数据是交互的，病例的积累也为医生对某一病种的深度研究提供了分析基础。”