记者了解到，日前中国人民解放军总医院、北京301医院、北大人民医院等多家单位正联合牵头承担单位腾讯，启动了2018年国家重点研发计划中的“数字诊疗装备研发专项”项目。据现场专家介绍，目前基于人工智能的临床辅助决策支持新型服务模式解决方案正深入临床一线帮助更多患者，在心脑血管疾病、帕金森病、高血压等领域逐步落地，有助于提升这些领域医疗服务的可及性、同质性、精确性和规范性。

资料图 摄：程功

AI心电图监测：准确动态评估冠心病

“目前全国每年约有350万人死于心血管疾病，其中心肌梗死患病人数约250万。无论是城市还是农村，心肌梗死的发生都在成上升趋势。这既是一个重大的疾病负担，也让我们不断思考，该用什么更好的方法来遏制心肌梗死的发生率，解决目前临床问题。” 北京大学人民医院教授孙宁玲表示，通过深度学习，AI技术可以实现对冠心病全面细致准确且贯穿诊疗过程连续的动态评估，降低患者死亡率。

“在临床实践中，有很多医生对急性冠脉综合症缺乏准确诊断，但急性冠脉综合症往往是在医生认识不清时，导致患者快速死亡。”孙宁玲告诉记者，AI技术可以将风险评估最大化，更加准确评估患者的冠心病类型，让医生及时介入治疗。与此同时，AI技术还能提高心博监测准确率，改善误报率的问题。“我们把腾讯医疗AI设计ECG心搏识别系统与国际上最权威的心电设备进行心律失常进行对比，我们都可以看到阳性准确率和敏感度都高于医院设备及人工的诊断率。这说明AI技术确实可以提高诊断率。”

AI技术还有望提高基层对急性冠脉综合症的治疗水平，改善误导挂号和误诊问题。“很多患者是以不典型症状来就诊的。以胸痛为例，胸痛可能是冠心病、心包炎以及夹层动脉瘤等问题，也可能是牙周炎、咽喉炎甚至胃炎等问题。这些症状对于经验不足的医生和基层医生来说鉴别起来可能有些困难，但是通过人工智能的规划就可以在深度学习下实现鉴别。”孙宁玲介绍称，通过大量的数据库共享，AI技术可以识别出这些特异性病例的诊断依据和心电图影像，得到一个及时、便捷、准确的评估结果。“未来北京大学人民医院心脏中心将和腾讯AI医疗合作，提供一些鉴别诊断的知识信息和知识库的索取，帮助进一步提升AI诊断率。”

此外，记者了解到，AI技术在冠心病的智能评估应用并不局限于医院，而且能在居家场景实现落地。“心电监测与治疗全周期是一个整体的过程，人工智能够实现居家预警和报告，有望提高临床效率。”孙宁玲告诉记者，通过移动式的AI家庭心电监测，可以对异常心电实现早期诊断，大大提高基层地区对病人的管理效果。

AI帕金森分析：只需一个手机摄像头

及时检测中老年高发的老年痴呆和帕金森，是当下医学界的热点。但神经系统面临临床终点指标难以测量的瓶颈问题。“目前几乎所有神经科的疾病，不管是中风、癫痫，都是用各种量表来评估它的主要终点指标。优点显而易见，简便易行，缺点也显而易见，太主观，太耗时。”帕金森病专家、复旦大学附属华山医院神经内科副主任王坚告诉记者，用量表评估帕金森病至少需要半个小时，且往往出现不同医生打出不同评分的情况，“但在精准医学的今天，我们应该思考如何更精准地测量它。”

腾讯医疗AI实验室与华山医院的合作，则提供了一项全新的AI诊疗方案。“这个系统不需要穿戴任何传感器，通过视频捕捉技术即可计算病人分析的运动情况，并能清晰看到病人动作的幅度变化和频率变化，在短时间之内做评估。”王坚介绍称，一方面他们希望通过这个系统节省医生的宝贵时间，另一方面，希望通过AI代替人工的量表，提出更好更科学的更客观的评价标准，“这对病人评估和药物管理都很关键。”

记者了解到，在居家环境下，病人很难在固定的地方安装一个摄像头，这对AI视频分析提出了挑战。对此，王坚回应称，这套方案不只局限于用视频分析，还利用手机的传感器，通过它来做步态分析，通过手机摄像头来实现视频捕捉，解决居家检测的问题。“我们用了来自近200例患者的1000多段视频，让专家人工和AI分析系统分别打分，发现初步吻合度达到81.3%，表现相当不错。”

腾讯医疗AI实验室负责人范伟则告诉记者，由于无需任何穿戴式设备，只需一个手机摄像头，帕金森智能分析系统还具备远程医疗的可能性。“帕金森病人的复诊率很高，而且像帕金森病人到中期之后是不能自理的，他自己是不能看病的，一定要有一个家人陪他。但通过这个系统，可以远程检测帕金森病情，家属只要拍摄一段包含病人手部、腿部、面部动作以及声音、强直症状等的视频，AI对这样一组具有医学意义的视频进行分析后可以以毫秒级的速度给病人一个参考分数，供病人了解病情变化。”

AI高血压管理：“症”“药”结合的个体化治疗

定期测血压，是很多中老年人和高血压患者的常有习惯。随着医学的发展，如何通过血压的数据实现对高血压的辅助诊断、早期预诊和并发症管理呢？对此，记者了解到，AI技术可以对各大医院的高血压数据进行识别、分析，通过深度学习，在多个维度进行管理，并综合患者的行为、病史和一些基因情况来得出最终数据。“我们会在AI智能系统下对高血压人群进行数据画像，高的、低的、老的、年轻的、胖的、瘦的、有危险因素的，通过不同的并发症来实现疗效的预测。”孙宁玲表示。

这种通过AI技术对数据的挖掘与深度的学习，能够更好地分析“症”和”药”的关系，根据各种药物对心、脑的获利和风险，得到个体化的治疗方案。据专家介绍，高血压人工智能系统的建立，离不开高血压的的知识库。“这种知识库可以把国内高血压指南、所有药物说明书以及现有的科研文章结合起来，并通过AI系统实现对难治性高血压、继发性高血压以及特殊类型高血压患者的画像和临床路径管理，整理出多种治疗方案。值得一提的是，人工智能将知识变为知识库之后，它可以不断再学习。”

事实上，从问诊到医疗知识图谱、影像分析，再到诊断、个性化治疗方案、医学知识库的自动生成，一个AI医疗整体系统的建立，需要多方医院的参与。范伟表示，由腾讯牵头的医疗人工智能国家级重点研发项目，合作单位包括多家人工智能的科研单位和著名的医院，如中科院自动化所、北京301医院、北大人民医院、湘雅医院、深圳市人民医院、瑞金医院、广安门医院等。“我们形成一个团队，一起在三年时间里面解决核心问题，希望带来一些真正的价值，帮到我们医生和每一个病人。”

高血压管理的AI辅助流程也体现了基于人工智能的临床辅助决策支持技术（AI+CDSS）的多个环节。“第一步是病人到诊进行识别，第二是通过问诊检体进行识别，第三是通过检验、检查，通过人工智能辅助诊断和用药系统，将诊断治疗融为一体，最后给予患者方案。”孙宁玲表示，高血压管理是AI助力医疗的一个靶点，“如果在这方面不断突破，我们对慢病管理也会实现全方位的探索性管理。”

来源：北京晚报 记者 袁璐

流程编辑：TF017