圖片來源于網絡

　　據報道，美國威斯康星大學近期研究發(fā)現(xiàn)，“在線問診”提高了醫(yī)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(yī)學問題更復雜，患者描述不清，難以診斷，最終導致醫(yī)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(yī)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(tài)、觸控、語音、表情、眼動、生理等非精確的信息現(xiàn)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(yī)院“添麻煩”的遠程醫(yī)療有所不同呢？AI現(xiàn)身智慧醫(yī)療，現(xiàn)有技術如何讓遠程醫(yī)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(huán)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(yī)學專業(yè)知識，這些評估并不能上升到醫(yī)療層面，用以判斷疾病。

　　為此，科學家們正在開發(fā)各種醫(yī)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(tǒng)的帕金森病診斷過程中，醫(yī)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(yī)院的智能診室中。”田豐說，不止如此，智能設備還能發(fā)現(xiàn)傳統(tǒng)方法感知不到的細節(jié)。

　　“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(fā)現(xiàn)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(fā)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(tài)的獲取，已經用在智能診室中，幫助醫(yī)生診斷神經系統(tǒng)方面的疾病，”田豐說，項目參與單位協(xié)和醫(yī)院正在進行試點應用。

　　除了高精度的手部姿態(tài)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(fā)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(tài)，”田豐說，這些感知系統(tǒng)，已經在神經系統(tǒng)疾病的醫(yī)學診斷流程中發(fā)揮作用。

　　古代中醫(yī)有懸絲診脈，智能穿戴設備的出現(xiàn)，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(tǒng)有了基于自然交互的“觸感”，患者的描述在醫(yī)生的診斷過程中，將不再成為主要的判斷依據。

　　協(xié)醫(yī)AI，判診精度高于人眼

　　“有AI已經報名醫(yī)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(xié)醫(yī)AI的表現(xiàn)有信心。

　　這個系列名為“曉醫(yī)”的機器人已經在北京301醫(yī)院、安徽省立醫(yī)院、上海瑞金醫(yī)院等醫(yī)院上崗。海量的醫(yī)學知識基礎是它們成為“協(xié)醫(yī)”的第一步。“‘吃’書本是‘曉醫(yī)’的強項，”林波說，“醫(yī)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(tǒng)開發(fā)等實現(xiàn)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(yī)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(yī)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(xié)醫(yī)AI不只直接幫助患者，還會幫助醫(yī)生。智能閱片系統(tǒng)可以利用深度學習技術開發(fā)智能影像識別，輔助醫(yī)生閱片。醫(yī)學影像輔助診斷系統(tǒng)可以自動處理影像，找出結節(jié)病灶并通過列表和色塊直觀展現(xiàn)給醫(yī)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(yī)院的診斷效率和接診人數。

　　反哺研究，數據積累將指引新發(fā)現(xiàn)

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

　　但這并不是AI賦能智慧醫(yī)療的全部。“我們正在將資深醫(yī)生的診治經驗輸送到偏遠山區(qū)”“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(xiàn)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(yī)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(xù)的數據挖掘、確定研究方向等奠定了基礎。

　　“美國著名的醫(yī)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(yī)生的診治經驗輸送到偏遠山區(qū)，”林濤說，“遠程醫(yī)療可以使得三甲醫(yī)院的醫(yī)生能夠幫助縣醫(yī)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(yī)生對某一病種的深度研究提供了分析基礎。”