利用人工智慧技術促進神經外科學科發展
2018年5月5日,中國醫師協會成立智慧醫療專業委員會,旨在藉助當前人工智慧(artificial intelligence)、大資料和網際網路技術蓬勃發展之勢,利用雲端計算、移動醫療等高科技手段,實現醫療新技術應用與產業驅動,建立智慧化、資訊化的現代醫療新生態系統。落在神經外科醫師肩上的任務是,儘快利用人工智慧等新技術促進神經外科學科發展。
1.人工智慧已上升為國家戰略
人工智慧是指在理解智慧的基礎上,用人工方法所實現的智慧。1956年,美國達特茅斯(Dartmouth)會議首次提出“人工智慧”這一術語,標誌著人工智慧學科的誕生。研究者們隨後發展了眾多理論和原理:阿蘭·圖靈提出圖靈測試和圖靈機的思想,影響了整個世界人工智慧發展的軌跡;深度學習之父Geoffrey Hinton提出深度學習的概念和方法,人工智慧因此得到復興和現在的繁榮;AlphaGo之父哈薩比斯對推動人工智慧發展的影響顯而易見,AlphaGo不是簡單程式設計後按照既定步驟下棋,而是給予一定規則,依靠增強學習系統,學習人類棋手的比賽,開創自己的打法。這是人工智慧質的飛躍,開啟了人工智慧在社會方方面面的應用之門。
十九大報告中提出:要建設網路強國、資料中國、智慧社會,推動網際網路、大資料、人工智慧和實體經濟深度融合,將大資料、人工智慧等上升為國家的最高戰略。2017年11月,科技部在京召開新一代人工智慧發展規劃暨重大科技專案啟動會,並宣佈首批國家新一代人工智慧開放創新平臺名單:百度公司負責自動駕駛,阿里雲公司負責城市大腦,騰訊公司負責醫療影像,科大訊飛公司負責智慧語音。會議的召開標誌著新一代人工智慧發展規劃和重大科技專案進入全面啟動實施階段。
2.人工智慧在神經外科領域的作用
人工智慧在醫學上的應用包含三大方向:臨床決策支援系統、人工神經網路和大資料探勘。如何在此三方面發揮人工智慧的作用,促進神經外科學科發展,是本文的論述要點。
2.1臨床決策支援系統(clinical decision support system)
臨床決策支援系統是將醫學診斷知識大批量匯入計算機,機器利用演算法模擬醫學專家的臨床診療思路,獨立或輔助醫學專家對病人進行診療。最早可追溯至上世紀70年代,美國斯坦福大學開發MYCIN系統,可以對感染性疾病病人進行分析診斷,並給出詳細的治療方案,並且該系統在菌血症、肺部感染、顱內感染等方面的診療水平已經超過該領域的專家水平。近年來,美國紀念斯隆-凱瑟琳醫院與IBM合作開發的“Watson系統”以150萬份病歷和診斷影象,200萬頁的文字記錄、文獻等為語料,構建腫瘤識別模型,提升篩查的準確率。Google用深度學習的方法檢測糖尿病性視網膜病變,對糖尿病併發症進行早期干預,顯著改善糖尿病病人的預後。由此可見,臨床決策支援系統在醫學上大有可為。
在神經外科領域,目前尚無已報道的臨床決策支援系統。神經系統疾病包含神經系統腫瘤、感染、外傷、血管病、神經退行性疾病等,種類複雜多樣,病情變化迅速,需要臨床決策支援系統的輔助。且神經外科醫生培養週期長、成本高,各地醫療水平參差不齊,誤診率高,比其他專科更需要臨床決策支援系統。因此,如何利用好知識庫、電子病歷和文獻為語料,以人機互動介面、推理規則引擎等為元件的資訊系統,提升醫療決策水平和服務能力,有效降低誤診和漏診率,優化診治方案,應該是目前神經外科的研究重點。
這既需要綜合電子病歷、學術文獻、醫學影像、生理監測等多模態資料,亦需要與專家知識相融合,利用人工智慧方法進行整合,形成輔助分診、輔助問診、輔助診斷和輔助決策模型,建立覆蓋病人全就醫閉環流程的新型服務模式解決方案。如果將此付諸實施,形成基於人工智慧診斷和輔助決策系統,相信將在基層醫院得到極大推廣,大受歡迎,在提供臨床效率的同時,節約國家醫療投入,產生良好的社會和經濟效益。
2.2人工神經網路(artificial neural network,ANN)
ANN是一種通過模仿人類腦神經迴路,將生物神經網路在結構、功能等方面的理論高度抽象、概括、融合而構成的資訊處理系統,其特點就是機器模擬神經網路進行自主學習和分析。ANN克服知識輸入的“有限性”,通過“自主學習”,具備自學習、自組織、泛化及訓練的能力。因此,ANN可以將自主學習帶入臨床決策支援系統,大大擴充套件臨床決策支援系統應用的深度和廣度,使之具備自主學習和融合分析的功能。
目前,在神經外科領域,美國Emory大學研究人員利用ANN模型構建神經外科危重症病人死亡風險評估和預測系統,通過將病人的心律、呼吸節律、血壓、血氧飽和度、顱內壓監測等大量生理引數與病人危險評分及治療預後結合起來,ANN可以建立死亡風險評估模型和預測系統,為重症病人提供個性化的風險評估,降低虛警率,並提高醫生的工作效率。
由於ANN能產生非常強大的預測模型,ANN越來越多地用於手術結果的預測模型。2016年3月,北京協和醫院神經外科啟動利用面部特徵識別庫欣綜合徵的課題,課題利用到的人臉識別技術主要構成要素即是ANN。
人臉識別是基於人的臉部特徵資訊進行身份識別的一種生物識別技術。人臉作為人體上特徵性最明顯的器官,具備不易偽造、可被動採集等特徵。人臉識別技術能夠基於人臉這一非侵犯性的生物資訊,進行毫秒級大資料計算,使人臉成為智慧社會的“入口”。而庫欣綜合徵病人的人臉具備多種典型的特殊表現,如:滿月臉(面部增寬、飽滿)、多血質面容(以顴部皮膚髮紅為著)、面部痤瘡和鬍鬚生長等。
研究採集既往北京協和醫院1000例庫欣綜合徵病人典型面部正面照片,5000例泌乳素腺瘤及無功能腺瘤病人面部正面照片,並從FERET人臉資料庫收集正常人面部正面照片4000張,利用ANN原理,以在Imagenet上訓練收斂的Google Inception-v3網路為基礎,作出一定修改,建立協和庫欣綜合徵人臉識別系統1.0,具有良好的診斷價值,特別是篩查價值。本項技術目前已經申報國家專利,並希望最終以手機APP、網站等形式向公眾開放,既可以提高庫欣綜合徵病人的早期診斷率,做到早發現、早治療;又可以提高基層醫生及公眾對庫欣綜合徵的認識和了解。
由此可見,ANN距離神經外科醫生並不遙遠,理解其原理和價值,可以幫助醫生解決很多臨床診療中的難題。
2.3大資料探勘(big data mining)
醫院資訊化的發展產生海量的醫療大資料,如何利用這些紛繁蕪雜的醫療資訊進行高效資料清洗,並對有效資料進行深度挖掘分析,成為目前研究的熱點。做好醫療大資料分析,不僅能協助制定疾病的臨床診療指南,更能為國家衛生策略提供更好的資料基礎。庫欣病作為一種內分泌腫瘤,其診斷、治療相對其他腫瘤困難,愈後差、複發率高,對病人生活、家庭影響大。北京協和醫院神經外科是目前全國最大的庫欣病診療中心,手術達120例/年,穩居全國第一,與世界主要國家的大型垂體中心相比,也名列前茅。但歐洲和美國內分泌協會制定的庫欣病診療指南,所引用的證據無一例出自國人之手。
究其原因,主要因為在醫院資訊化發展的同時,未能注意收集和保留重要的臨床資料,特別是隨訪資料丟失嚴重,導致整份病例資料無法利用,造成臨床病例資源的浪費;另外,未能建立起高標準的生物樣本庫。為改變這種現狀,2015年由北京協和醫院神經外科牽頭建立、以中國垂體腺瘤協作組為依託、在國家人口與健康科學資料共享平臺下成長起來的國內首個有關垂體疾病的多中心資料庫———中國垂體疾病註冊中心(http://www.cpdrn.cn)正式投入使用。
截至目前為止,已經覆蓋全國30多家醫院,病例數突破12000。中心各單位依託各醫院生物標本庫,儲存血標本20000餘份,組織標本2000餘份。為垂體腺瘤的科學研究提供很好的平臺,可以保證課題的順利開展。目前,中心已開展多項多中心臨床研究。在Pituitary、Endocrinology、Neurosurgery、EJE等國外主流雜誌發表多篇研究論文,包括難治性庫欣病的藥物治療,庫欣病的術前診斷、術後療效分析及評價標準。更重要的是,註冊中心資料對國家衛生政策的制定,有良好的參考作用。另外,“推進創新神經技術腦研究計劃”,簡稱“腦計劃”,於2013年4月2日由奧巴馬政府公佈,該計劃旨在探索人類大腦工作機制、繪製腦活動全圖,並最終開發出針對大腦疾病的療法。
腦計劃中涉及到神經網路的研究,人工智慧也必將在腦計劃的實施過程中發揮重大作用。在神經外科手術領域,與人工智慧相關的包括機器人、增強現實(augmented reality,AR)技術、虛擬現實(virtual reality,VR)技術和混合現實(mix reality,MR)技術等,這些技術正在日新月異地飛速發展,給我們帶來全新理念。
3.結語
隨著人工智慧的發展,臨床決策支援系統、人工神經網路等在醫療領域大規模應用成為現實。但是人工智慧的主導者仍是包括臨床醫師、資料及計算專家等多專業的人工智慧團隊,人工智慧系統本身並不能替代臨床醫師。臨床醫師應該藉助人工智慧的技術平臺,加強與平臺研究人員、相關企業的合作,藉助人工智慧蓬勃發展之勢,加速神經外科的學科發展。