採訪/ 徐可 張謙
撰文/ 徐可

看上去這是一個中國普通家庭的日常：孫大爺和老伴忙著包餃子，當孫大爺正準備把包好的滿滿一盤餃子放進冰箱時，他的身體却突然定住了，動彈不得，老伴伸出沾著麵粉的手，把他的身體往一側拉，老孫的臉上顯露出無奈和無助的神情，而老伴似乎已經習以為常。

老孫是一位柏金遜症患者，患病已經24年。柏金遜症是一種中樞神經系統的退行性疾病。在中國，像老孫這樣的患者還有300萬。在中國治療柏金遜症的專科醫生，僅有1000多人，主要聚集在一線城市的三甲醫院裏。

2018年，騰訊醫療AI實驗室和國家老年疾病臨床醫學研究中心（華山）柏金遜症主要研究者、復旦大學附屬華山醫院神經內科主任醫師王堅教授團隊合作研發了「柏金遜症運動功能智能評估系統」，這是全球首個通過視頻運動捕捉分析技術，實現柏金遜症AI輔助診斷的技術。

在騰訊醫療AI實驗室負責人范偉看來，這套系統的開發可以幫病人節省時間，提供臨床的金標準。

范偉，騰訊醫療AI實驗室負責人。哥倫比亞大學計算機博士，國際知名機器學習專家，2019 全球最有影響力醫療人工智能TOP100專家之一。

AI如何助力柏金遜症診斷？

在柏金遜症常規治療中，醫生每隔一段時間就要對病人進行評估，讓病人做一套動作，典型的動作比如：拇指和食指分開到最大幅度再進行對指，然後對其穩定性進行評分。機器和人眼，誰更容易疲勞？誰又能準確地下結論？更不用說，每次診斷都要花去醫生30~40分鐘。

上述「柏金遜症運動功能智能評估系統」能通過視頻捕捉技術識別患者身上的關鍵點，並引入人體動力學模型，評估患者的運動功能。總的來說就是用AI把原來醫學界使用多年的主觀性MDS-UPDRS指標，變成客觀可量化的新標準來提高柏金遜症的評估效率和精確性。

這其中面臨的最大技術挑戰就是數據量不足。和醫學影像學可用於大量人工標注的數據相比，通過視頻記錄的運動相關疾病的數據通常樣本量很少，研究人員往往只能搜集到一兩百例數據，這對於模型訓練來說遠遠不夠。為了解决這個問題，騰訊醫療AI實驗室通過AR及自動融合技術生成帶標記點的仿真數據，在短時間內將訓練數據集擴充了數千倍，實現了對於數據採集和標注極限的突破。

此外，為了提升這套系統的評估能力，范偉博士領導的研究團隊還創造性地研發了細粒度動作評估模型(Fine-grained Model)，實現了對頻率等動作指標進行精細量化測量；建立多通道深度卷積神經網絡模型（MC1D-CNN），解決了數據採集、動作切割的挑戰；採用多模態全方位運動評估技術（Fusing-Net），超越單模型性能，大幅提升打分一致性。

騰訊醫療AI實驗室和華山醫院共同做了一個實驗：讓專家對近200例患者的1000多段視頻打分，形成共識分，然後對機器進行訓練。訓練完後再讓機器對不同嚴重程度的受試者打分，並與專家共識分進行匹配，數據顯示評分結果的一致性非常接近。

在過去的半年多時間裏，他們積累了上百個臨床試驗樣本。未來還將和英美的頂尖醫院合作，進一步擴大樣本數量。為了提高診斷的準確性，也將對柏金遜症開展分項評估的研究。

「從事醫療人工智能對我改變最大。」

范偉從事大數據和人工智能相關領域的應用研究已經20多年，曾經服務過銀行業、電訊營運商的客戶，和各種各樣的數據打過交道。「別人問我醫療是甚麼，我說醫療是科學、技術，是人文、倫理、法規，一言難盡。」

他坦言，醫療業是他經歷過的所有行業中最複雜的，而醫療人工智能對他的改變也最大。首先，醫療的數據有很多合規性和倫理方面的要求。如果數據獲取是非法或者不合規的，那麽結果也是不合規的。其次，醫療的臨床實驗都是隨機對照實驗（RCT），這意味著數據是不可預先設置的，需要按照醫療的流程去找真實世界裏的合規數據做測試。最後一點，也是最重要的，醫療AI不能僅追求平均和最好的結果，關鍵是要保證最壞的結果也是人可以接受的。

「有人說30年之後不需要醫生。這是不會發生的，我們從未想過替代醫生。」 范偉說。

騰訊AI醫療實驗室目前研究的很多病都跟運動相關，除柏金遜，還有腦癱、脊柱側彎，以及歐美較為多發的多元性硬化症等。團隊分布在矽谷、北京和深圳，實驗室也在與國內知名三甲醫院、醫生、政府通力協作，發揮騰訊的技術優勢，把技術真正做扎實，讓它的有效性、安全性做到極致。

在范偉看來，醫療有很多細分領域可以突破。在診療、疾病管理和康復環節，通過技術手段可以大大提高現有醫療系統的效率和效果，這些都是騰訊AI醫療實驗室希望進入的領域。

「我們的目標就是在現有醫療環節中，尋找那些通過技術手段能夠讓醫生獲益最大的部分去實現，因為你幫助了醫生，就是幫助了病人。」

【本文原載於騰訊《騰雲》雜誌 （Tenyun）070期】