|
科技日报记者 张佳星 在日前召开的第735次香山科学会议上，国家精神疾病医学中心、中南大学湘雅二医院教授张燕介绍，平均需超过6年的多番诊断才会首次获得来自精神科的治疗。 “很多精神类疾病都缺乏有效的诊疗，不少是到行使社会属性受阻时才开始寻医问诊。”中国科学院院士陆林分享的一个案例中，正确诊断迟到了足足20年：一个边远地区的女孩子从小被认为性格上寡言少语，直到家人为她介绍对象才发现，她无法与人正常交流。 北京理工大学医学技术学院教授、脑健康工程团队负责人胡斌表示，已有的精神疾病诊断方式包括专科医生访谈和量表诊断，其主观性强、量化指标缺乏，而基于脑电、语音、表情等生理、行为信号的人工智能诊断新技术诊断准确率能达到70%—90%。 《“十四五”国民健康规划》发展目标要求，到2025年，心理相关疾病发生的上升趋势减缓，严重精神障碍、职业病得到有效控制。与会专家认为，为尽快提高精神疾病的诊断准确率、普及率以及效率，亟需提升人工智能相关应用研究发展的优先级，而不是将其放在脑机制的解析之后。
会议现场。香山科学会议办公室供图 精神科学最需要人工智能 “精神科学是最需要人工智能技术的领域。”陆林说，最新研究不断证明，人工智能模型在精神疾病的预测诊断、干预治疗等方面都表现出优于现有诊疗模式的潜力。 “脑电、心电、肌电等电生理信号都与人的精神状态相关，目前的采集技术已经能够实现‘降噪’采集。”胡斌说，甚至鼾声、微表情、步态等人类感官难以觉察规律或精准捕捉的行为信号都可以用作人工智能判读精神健康的依据，例如，一种可穿戴的肠鸣音采集和监测设备基于“脑—肠轴线”原理可应用于精神健康评估。 “只要捕获到生理信号与精神健康之间的关联关系，人工智能可利用的信号比传统方法更丰富。”胡斌说，信息技术让很多之前难以探测到的“蛛丝马迹”，可以被甄别掌握、高效利用。 解决“无迹可寻”的难题之外，人工智能在治疗方面也有独特优势。“临床上最迫切的需求是‘形成闭环’。”陆林说，医生治疗时需实时得到“反馈”才能及时调整治疗方案，人工智能辅助诊断技术提供的及时诊疗“反馈”，不仅能提升医生对症施治的效果，还能让诊疗经验得到普及，有效缓解诊疗资源匮乏的现状。 人工智能的潜力亟待开发应用 纷繁多样的信号给了学者研究精神疾病量化指标的可能，但由于精神疾病的复杂病理机制和高临床异质性（每个人症状和效果不同），如何找到客观量化评估的规律仍需攻坚克难。 “只有通过生物传感、人工智能技术与医学、心理学等临床基础研究的交叉融合，才能在精神疾病的客观分层、分类标准及非药物干预技术方面有所突破。”胡斌表示，当前多学科交叉的研究持续开展，但相互之间还需进一步打通“语系”间的鸿沟，形成系统释义型范式，让精神健康诊疗技术“识别得准，解释得清，治疗得对”。 “10万人的队列数据，能够真正用于人工智能训练的只有一小部分。”胡斌分享了之前的经验教训，他坦言，“语系”鸿沟正在通过不断强化合作来缩小。 更广泛的学科交叉也值得期待，对于高导电、高生物相容性电极的需求变得迫切，新的纳米材料、3D甚至4D打印产品、类脑芯片等技术的开发任务日益紧迫。 “我们团队研制的便携式脑电采集设备创新性地以生理信号为客观指标进行精神状态评估。”北京理工大学健康工程实验室博士后沈健告诉科技日报记者，便携式脑电精神状态评估技术在180秒的时间内获取被试者的脑电信号，其间会通过不同音频声与被试者互动，通过大数据模型客观、高效地对被试者进行精神状态评估，对异常精神状态的识别准确率大于90%。该技术已经获得国家二类医疗器械许可。 与会专家介绍，美国FDA已经批准“处方数字疗法”用于慢性失眠的治疗；IBM与辉瑞合作建立的阿尔茨海默病人工智能预测模型可比医生提早7年发现该疾病，准确率为71%；苹果公司正在与加利福尼亚大学洛杉矶分校合作研究利用数字生物标记物识别和评估抑郁症……来自全世界的研究进展，让我国科研工作者兴奋的同时也越来越感觉到时间紧迫。 “中国脑计划设立了类脑计算与脑机智能的专题研究，正在助力人工智能在精神诊疗领域应用的进一步研究和落地。”陆林说。 |
