12月22日，全球首家“神經疾病人工智能研究中心”在首都醫科大學附屬北京天壇醫院（下稱北京天壇醫院）掛牌成立。

━━━━━

“人工智能應用在神經疾病預防、診療、預后和康復等階段，都有無可比擬的優越性，未來將在神經疾病醫療領域帶來一場顛覆性的 ‘技術革命’”，神經病學專家、國家神經系統疾病臨床醫學研究中心副主任、天壇醫院常務副院長王擁軍教授說，“神經疾病人工智能研究中心”的成立將大大提升我國神經學科的整體水平，并有助于保持我國在該領域的國際先進地位。

王擁軍介紹，神經細胞的損傷具有不可逆性，因此，神經系統疾病的早發現、早診斷、早干預，是影響治療效果的關鍵。但由于神經系統疾病復雜程度高、定位診斷難度大，并且我國很多醫院醫療水平參差不齊、高級專業技術人才缺乏，導致誤診率、漏診率較高，診斷效率低下。人工智能系統通過對海量疾病信息的深度學習，不斷提升疾病的診斷效率，診斷準確率可達到95%以上，相當于一個高年資主任醫師級別的水平。基層醫院接入該系統后，相當于引進了一名擁有國際領先技術的專家，老百姓不用擠到大城市、大醫院，在家門口就能獲取高品質、個性化的治療方案，這將在很大程度上緩解看病難，看病貴的問題。

王擁軍透露，中心先期已開展了頭部MRI、CT影像人工智能診斷產品的研發，是全球首款頭部疾病（涵蓋了腦腫瘤、小血管病變、大血管病變、腦卒中等）MRI、CT影像人工智能診斷的整體應用產品，預計將在明年6月舉辦的天壇國際腦血管病會議上正式推出。屆時，將組織來自全球的頂級專家，進行一場神經系統疾病診斷的“人機大戰”，以驗證人工智能診斷的準確性。

據了解，人工智能應用研發的核心，是領先的深度學習技術與臨床頂級專家的技術和經驗。北京天壇醫院是世界三大神經外科研究中心之一，也是我國唯一的國家神經系統疾病臨床醫學研究中心。在中國醫學科學院新近發布的中國醫院科技影響力排行榜中，該院神經病學和神經外科均排名全國第一。每年接診來自全國各地的神經系統疑難雜癥患者30萬人次，開展手術10000余例，擁有全國最大的腦病組織樣本庫及血樣樣本庫。同時，依托國家神經系統疾病臨床醫學研究中心遍布全國的研究網絡，達到了國際領先的科研水平，為人工智能的研究開發和深度學習奠定了良好的基礎。

技術方面，中心引進了新加坡Hanalytics公司全球領先的深度學習技術，保證了人工智能系統的國際領先水平。并且數據采集、識別、診斷均在醫院快速完成，無須上傳醫療數據，防止了病人隱私的泄露，杜絕了醫院醫療數據流失的安全風險。

王擁軍表示，隨著中心工作的全面開展，未來將展現出更多 的人工智能應用場景，比如神經病理切片人工智能判斷，腦神經疾病病人的智能護理，依據病人醫療數據智能制定治療方案，神經系統疾病的肢體及語言康復訓練等。

一直以來，神經疾病都困擾著無數的患者。而如今AI技術的應用，似乎正在解決這一難題。

事實上，將AI與神經疾病結合，在醫療行業內并不鮮見。

2017年10月，上海交通大學醫學院附屬瑞金醫院神經內科聯合英國約克大學啟動全球最大規模單中心臨床，以驗證人工智能及可穿戴設備這一前沿科技可有助診斷及監測帕金森病。第一期研究預計將于2017年年底前正式啟動。

帕金森病是一種常見的中老年神經系統退行性疾病。我國65歲以上人群中，每100人中就有2位帕金森病患者！和阿爾茨海默病一樣，帕金森病的診斷和治療仍然是未被攻克的全球醫學難題。

由英國約克大學于2013年創辦的晴空醫療診斷公司（ClearSky Medical Diagnostics, 簡稱“晴空醫療”）將約克大學團隊人工智能運算方法，結合可穿戴設備技術應用于帕金森病、阿爾茨海默病等神經退行性疾病領域，開發了一系列用于疾病診斷、用藥監測的醫療設備及軟件系統（后附晴空醫療四個人工智能設備簡介）。這一技術的意義在于帕金森病的診斷及治療監測終于有了較客觀的數據指標，而不再只是依賴病人的主觀描述和醫生的肉眼觀察。

該研究牽頭人、上海交通大學醫學院附屬瑞金醫院神經內科主任、國際帕金森病及運動障礙病學會執委陳生弟教授介紹道：“這幾年可穿戴設備、人工智能的概念越來越熱，但是要真正讓醫生信服、被臨床所采納，還是需要經過嚴謹的臨床驗證。中國的帕金森病人幾乎占到全球病人總數的一半，所以我們有這個條件成為這樣一個全球前沿技術最大的臨床研究中心。作為一名中國的大夫，我覺得能夠因此而收集更多的臨床證據、加速我們對于新技術的認知，從而推動該疾病診療的進展，這是非常有意義的一項研究！”

英國約克大學電子系教授、英國皇家工程院院士、晴空技術的發明人史密斯博士介紹道：“對于帕金森病這樣一種缺乏客觀診斷手段的疾病，要確保研究的質量，只有靠經驗豐富、臨床診斷準確率高的專家團隊。此次瑞金醫院的這個研究會大大推進醫學界對于人工智能在帕金森病領域應用價值的認知，在不久的將來讓人工智能技術成為帕金森病以及其他相關神經退行性疾病的診療過程中不可或缺的一部分。”

而在2017年早些時候，韓國高科技科學院（Korea Advanced Institute of Science and Technology）和 Cheonan 公共衛生中心的科學家們通過深度學習（deep learning）開發出了一項技術， 能以超過 84% 的準確度識別未來三年可能發展成為阿茲海默病的潛在病人。

近年來，世界各地的阿茲海默病研究人員一直在建立一個健康人群與阿爾茨海默病患者腦圖像的數據庫。韓國科學家Hongyoon Choi 博士和 Kyong Hwan Jin 博士使用這個數據庫來訓練卷積神經網絡，并且在此基礎之上識別它們之間的區別。該數據集由 182 位 70 多歲的健康人大腦圖像和 139 位相似年齡的確診阿茲海默病患者大腦圖像組成。

通過培訓，該機器軟件系統很快就學會了識別差異，精確度幾乎達到了百分之九十。接下來，Hongyoon Choi 博士和 Kyong Hwan Jin 博士使用他們的機器來分析不同的數據集。這里面包括了 181 位 70 多歲輕度認知障礙患者的腦部圖像，其中 79 人在三年內繼續發展為阿茲海默病——顯然機器學習的任務是發現這些易患疾病的個體。

這一機器深度學習的結果是非常鼓舞人心的：軟件系統識別輕度認知障礙患者患者轉化成為阿茲海默病的預測精度高達 84.2%，優于常規基于特征的人為量化方法（p<0.05），顯示出了深度學習技術使用腦圖像預測疾病預后的可行性。

來源：全球大數據峰會