患者多, 专家少, 监测时间长, 让不少癫痫患者都有过这样的无奈经历: 千里迢迢慕名而来见到专家, 脑电图监测却只能预约到几个月后. 轻则让拖着病体的患者倍感劳顿, 增加不必要的经济负担, 重则导致病情延误, 错过最佳救治时期.
5 月 9 日, 由阿里健康人工智能实验室研发的「癫痫脑电分析引擎」产品正式上线. 经首都医科大学宣武医院神经内科王玉平主任测试, 该引擎在辅助医生判断癫痫患者的各类异常放电, 发作类型和综合症等方面作用显著, 最高可将脑电图分析时间缩短七成. 阿里健康透露, 该引擎本月就将在其合作的脑电中心和医疗机构投入应用.
中国抗癫痫协会 2018 年发布的数据显示, 中国的癫痫患者总人数不少于 900 万, 而脑电图的监测结果, 是医生确定癫痫患者的病种分类和调整治疗方案的重要依据.《癫痫临床治疗指南》(中国抗癫痫协会, 2015 年) 认为, 根据癫痫发作的控制情况, 患者每半年至 1 年就要复查 1 次脑电图; 如果病情控制得不好, 则需要不定期或随时复查, 每次监测的时长从 2 小时至 24 小时不等. 然而, 培养一名成熟的脑电分析专家, 需要大量的临床经验和多年的专业培训. 据行业人士估算, 全国具有较高水平的脑电图分析人员不超过 1000 人, 多数基层医疗机构要么不具备培养这方面人才的条件, 要么留不住人才.
阿里健康「癫痫脑电分析引擎」正是针对上述痛点应运而生. 据阿里健康人工智能实验室许娟博士介绍, 过去, 医生分析癫痫患者两小时的脑电图约需要 25 至 40 分钟, 其大量精力消耗在查找异常放电上. 而搭载了 AI 引擎的视频脑电监测设备, 可以自动标注出脑电图上的各类异常放电, 为医生判断提供参考, 从而大幅提升医生的读图效率. 据测算, 在颞叶癫痫等实际场景下, 阿里健康的 AI 引擎只需 5 分钟即可处理完成两小时的脑电图数据, 再经过医生核查, 一份分析报告 10 分钟内即可完成.
* 脑电中心的工作人员正在操作搭载了「癫痫脑电分析引擎」的视频脑电监测设备, 并指导患者配合检查
「利用节约下来的时间, 脑电中心将有机会联接更多的基层医疗机构, 为更多患者提供帮助.」许娟说. 基层医院支付一定的服务费, 就可将视频脑电监测设备采集下来的信息回传至脑电中心, 获得「医生 + AI」的分析支持.「按照目前的工作量测算, 根据脑电图采集的时长, 基层医院 24 至 48 小时内就能收到分析报告.」许娟说, 接下来阿里健康将进一步提升引擎的准确性, 并将于本月在合作的脑电中心和医疗机构落地.
在去年, 阿里健康宣布与阿里云共建医疗大脑后, 即表示将加强文本结构化, 图像识别, 生理信号识别, 知识图谱构建等能力的建设. 此次发布的「癫痫脑电分析引擎」, 是其在生理信号识别领域的最新进展. 目前, 国内在癫痫 AI 领域的探索还主要集中在学术界, 如基于脑电图癫痫发作自动检测, 基于脑电图的睡眠自动分期, 癫痫间期异常放电自动检测等. 许娟博士表示, 阿里健康研发的「癫痫脑电分析引擎」, 使用深度学习算法结合传统算法, 可自动检测多种癫痫异常放电, 产品性能更稳定, 在多种工作环境下的适应能力也更强.
首都医科大学宣武医院神经内科主任王玉平在测试了阿里健康「癫痫脑电分析引擎」后认为, 该引擎已经处于行业领先地位, 并有意愿深入探讨脑电远程服务体系的建设.「脑电图监测是癫痫诊断和治疗的必要手段, 受到读图人才和监测数据量庞大的限制, 专业的脑电监测并不是很普及. 人工智能引擎将有效地提高医生判读脑电图的效率, 服务更多患者.」王玉平主任认为, 随着人工智能的发展,「医生 + AI」的工作方式将在越来越多的临床应用领域涌现, 从而解放医生的「生产力」, 让医生有机会把更多精力投入到科研和服务患者上来.
来源: http://www.tuicool.com/articles/bARbyye