全球首家“神经疾病人工智能研究中心”成立

12月22日，全球首家“神经疾病人工智能研究中心”在首都医科大学附属北京天坛医院（下称北京天坛医院）挂牌成立。

“人工智能应用在神经疾病预防、诊疗、预后和康复等阶段，都有无可比拟的优越性，未来将在神经疾病医疗领域带来一场颠覆性的 ‘技术革命’”，神经病学专家、国家神经系统疾病临床医学研究中心副主任、天坛医院常务副院长王拥军教授说，“神经疾病人工智能研究中心”的成立将大大提升我国神经学科的整体水平，并有助于保持我国在该领域的国际先进地位。

王拥军介绍，神经细胞的损伤具有不可逆性，因此，神经系统疾病的早发现、早诊断、早干预，是影响治疗效果的关键。但由于神经系统疾病复杂程度高、定位诊断难度大，并且我国很多医院医疗水平参差不齐、高级专业技术人才缺乏，导致误诊率、漏诊率较高，诊断效率低下。人工智能系统通过对海量疾病信息的深度学习，不断提升疾病的诊断效率，诊断准确率可达到95%以上，相当于一个高年资主任医师级别的水平。基层医院接入该系统后，相当于引进了一名拥有国际领先技术的专家，老百姓不用挤到大城市、大医院，在家门口就能获取高品质、个性化的治疗方案，这将在很大程度上缓解看病难，看病贵的问题。

王拥军透露，中心先期已开展了头部MRI、CT影像人工智能诊断产品的研发，是全球首款头部疾病（涵盖了脑肿瘤、小血管病变、大血管病变、脑卒中等）MRI、CT影像人工智能诊断的整体应用产品，预计将在明年6月举办的天坛国际脑血管病会议上正式推出。届时，将组织来自全球的顶级专家，进行一场神经系统疾病诊断的“人机大战”，以验证人工智能诊断的准确性。

据了解，人工智能应用研发的核心，是领先的深度学习技术与临床顶级专家的技术和经验。北京天坛医院是世界三大神经外科研究中心之一，也是我国唯一的国家神经系统疾病临床医学研究中心。在中国医学科学院新近发布的中国医院科技影响力排行榜中，该院神经病学和神经外科均排名全国第一。每年接诊来自全国各地的神经系统疑难杂症患者30万人次，开展手术10000余例，拥有全国最大的脑病组织样本库及血样样本库。同时，依托国家神经系统疾病临床医学研究中心遍布全国的研究网络，达到了国际领先的科研水平，为人工智能的研究开发和深度学习奠定了良好的基础。

技术方面，中心引进了新加坡Hanalytics公司全球领先的深度学习技术，保证了人工智能系统的国际领先水平。并且数据采集、识别、诊断均在医院快速完成，无须上传医疗数据，防止了病人隐私的泄露，杜绝了医院医疗数据流失的安全风险。

王拥军表示，随着中心工作的全面开展，未来将展现出更多 的人工智能应用场景，比如神经病理切片人工智能判断，脑神经疾病病人的智能护理，依据病人医疗数据智能制定治疗方案，神经系统疾病的肢体及语言康复训练等。

一直以来，神经疾病都困扰着无数的患者。而如今AI技术的应用，似乎正在解决这一难题。

事实上，将AI与神经疾病结合，在医疗行业内并不鲜见。

2017年10月，上海交通大学医学院附属瑞金医院神经内科联合英国约克大学启动全球最大规模单中心临床，以验证人工智能及可穿戴设备这一前沿科技可有助诊断及监测帕金森病。第一期研究预计将于2017年年底前正式启动。

帕金森病是一种常见的中老年神经系统退行性疾病。我国65岁以上人群中，每100人中就有2位帕金森病患者！和阿尔茨海默病一样，帕金森病的诊断和治疗仍然是未被攻克的全球医学难题。

由英国约克大学于2013年创办的晴空医疗诊断公司（ClearSky Medical Diagnostics, 简称“晴空医疗”）将约克大学团队人工智能运算方法，结合可穿戴设备技术应用于帕金森病、阿尔茨海默病等神经退行性疾病领域，开发了一系列用于疾病诊断、用药监测的医疗设备及软件系统（后附晴空医疗四个人工智能设备简介）。这一技术的意义在于帕金森病的诊断及治疗监测终于有了较客观的数据指标，而不再只是依赖病人的主观描述和医生的肉眼观察。

该研究牵头人、上海交通大学医学院附属瑞金医院神经内科主任、国际帕金森病及运动障碍病学会执委陈生弟教授介绍道：“这几年可穿戴设备、人工智能的概念越来越热，但是要真正让医生信服、被临床所采纳，还是需要经过严谨的临床验证。中国的帕金森病人几乎占到全球病人总数的一半，所以我们有这个条件成为这样一个全球前沿技术最大的临床研究中心。作为一名中国的大夫，我觉得能够因此而收集更多的临床证据、加速我们对于新技术的认知，从而推动该疾病诊疗的进展，这是非常有意义的一项研究！”

英国约克大学电子系教授、英国皇家工程院院士、晴空技术的发明人史密斯博士介绍道：“对于帕金森病这样一种缺乏客观诊断手段的疾病，要确保研究的质量，只有靠经验丰富、临床诊断准确率高的专家团队。此次瑞金医院的这个研究会大大推进医学界对于人工智能在帕金森病领域应用价值的认知，在不久的将来让人工智能技术成为帕金森病以及其他相关神经退行性疾病的诊疗过程中不可或缺的一部分。”

而在2017年早些时候，韩国高科技科学院（Korea Advanced Institute of Science and Technology）和 Cheonan 公共卫生中心的科学家们通过深度学习（deep learning）开发出了一项技术， 能以超过 84% 的准确度识别未来三年可能发展成为阿兹海默病的潜在病人。

近年来，世界各地的阿兹海默病研究人员一直在建立一个健康人群与阿尔茨海默病患者脑图像的数据库。韩国科学家Hongyoon Choi 博士和 Kyong Hwan Jin 博士使用这个数据库来训练卷积神经网络，并且在此基础之上识别它们之间的区别。该数据集由 182 位 70 多岁的健康人大脑图像和 139 位相似年龄的确诊阿兹海默病患者大脑图像组成。

通过培训，该机器软件系统很快就学会了识别差异，精确度几乎达到了百分之九十。接下来，Hongyoon Choi 博士和 Kyong Hwan Jin 博士使用他们的机器来分析不同的数据集。这里面包括了 181 位 70 多岁轻度认知障碍患者的脑部图像，其中 79 人在三年内继续发展为阿兹海默病——显然机器学习的任务是发现这些易患疾病的个体。

这一机器深度学习的结果是非常鼓舞人心的：软件系统识别轻度认知障碍患者患者转化成为阿兹海默病的预测精度高达 84.2%，优于常规基于特征的人为量化方法（p<0.05），显示出了深度学习技术使用脑图像预测疾病预后的可行性。

本公众号现面向人工智能和大数据爱好者征稿（无稿酬），如果您想让您的文章、观点分享给更多人工智能和大数据爱好者，请发邮件至[e-mail]。

                                                       

欢迎扫码添加小编，加入人工智能和大数据公众号读者交流群，探讨、分享、交流！交流群每周会邀请行业专家进行在线分享！