編者按：每年的4月7日是世界衛(wèi)生日，又稱世界健康日，旨在引起世界各國人民對衛(wèi)生、健康工作的關(guān)注，提高人們對衛(wèi)生領(lǐng)域的素質(zhì)和認(rèn)識，強調(diào)健康對于勞動創(chuàng)造和幸福生活的重要性。那么，如果醫(yī)療技術(shù)能夠更加智能，我們是否能夠更早地發(fā)現(xiàn)健康隱患，更精準(zhǔn)地進行疾病治療？在世界衛(wèi)生日到來之際，讓我們一起通過微軟亞洲研究院（上海）的幾個合作研究項目，看看人工智能如何助力我們打造一個更加健康的未來。

常言道，“如果說人生是一場漫長的馬拉松，那么健康將是決定跑道長度的關(guān)鍵因素。”健康是幸福生活和社會發(fā)展的基石。隨著智能化時代的到來，人工智能技術(shù)在醫(yī)療健康領(lǐng)域的應(yīng)用也日益廣泛，成為了維護和促進人類健康的新工具。無論是輔助疾病的早期檢測發(fā)現(xiàn)、病情發(fā)展預(yù)測，還是在個性化的精準(zhǔn)醫(yī)療，以及推進醫(yī)學(xué)研究和新藥研發(fā)，人工智能都展現(xiàn)出了其獨特的價值和潛力。

在過去的幾年中，微軟亞洲研究院持續(xù)與醫(yī)療機構(gòu)和高校的專家密切合作，并且引進醫(yī)療健康領(lǐng)域的專業(yè)人才，希望推動人工智能技術(shù)在醫(yī)療健康領(lǐng)域的深入應(yīng)用，促進構(gòu)建健康的全球社會。

早發(fā)現(xiàn)、早治療：人工智能輔助疾病檢測與康復(fù)訓(xùn)練

疾病的早期診斷對于提高治療效果和患者的生活質(zhì)量至關(guān)重要，而康復(fù)訓(xùn)練則是許多疾病治療過程中不可或缺的一環(huán)，對于恢復(fù)患者的各項功能具有重要作用。傳統(tǒng)的診斷和康復(fù)方法往往受限于資源分配、地理位置和專業(yè)醫(yī)護人員的稀缺性，在一定程度上限制了醫(yī)療服務(wù)的普及和效率。人工智能技術(shù)則能通過自動化和智能化的方法，輔助醫(yī)護人員更早地識別疾病跡象，從而及時進行干預(yù)和治療。

語音識別輔助腭裂患兒的語音恢復(fù)

腭裂和唇裂是口腔和頜面區(qū)最常見的先天性畸形，患者通常由于軟腭（即腭咽功能不全）未能完全閉合，無法發(fā)出正常的聲音，從而產(chǎn)生高鼻音。在與相關(guān)醫(yī)療機構(gòu)的合作中，微軟亞洲研究院的研究員們了解到，高鼻音的檢測是腭裂患者治療的關(guān)鍵因素。

（圖片來源：Operation Smile）

在臨床檢查中，高鼻音通常由言語-語言病理學(xué)家做出評估，但是專業(yè)的病理學(xué)家數(shù)量有限，且只分布在個別醫(yī)院中，這就需要患者進行長期的跨地區(qū)診療。漫長的診療周期和高昂的成本，讓患者及家屬苦不堪言。因此，一種自動化的高鼻音評估方法將不僅有助于病理學(xué)家做出精確判斷，也能幫助患者實現(xiàn)遠(yuǎn)程診療，減少花銷。

微軟亞洲研究院利用遷移學(xué)習(xí)技術(shù)，開發(fā)了一種基于自動語音識別（ASR）模型來改進高鼻音評估的新方法。該模型能夠有效提取聲學(xué)特征，并且具有良好的泛化能力。在兩個腭裂數(shù)據(jù)集上的實驗結(jié)果表明，相比已有方法，這一模型取得了更優(yōu)的性能，有助于提升病理學(xué)家診斷的準(zhǔn)確率。

基于高鼻音評估的結(jié)果，醫(yī)生將為患者定制個性化的語音訓(xùn)練方案。在這一環(huán)節(jié)，微軟亞洲研究院進一步開發(fā)了一個掩碼預(yù)訓(xùn)練發(fā)音評估（MPA）模型，該模型支持端到端的訓(xùn)練，適用于無監(jiān)督和有監(jiān)督的學(xué)習(xí)環(huán)境，便于用戶遠(yuǎn)程部署。通過利用參考文本并結(jié)合掩碼和預(yù)測策略進行預(yù)測，MPA 模型可以有效避免發(fā)音評估中的錯位或誤識別問題，為腭裂患者提供更精確的語音校正支持。

目前，微軟亞洲研究院正與醫(yī)療機構(gòu)合作，共同評估這一創(chuàng)新語音評估技術(shù)的應(yīng)用可行性，希望這項技術(shù)能夠幫助醫(yī)生提高診療效率，降低患者的治療成本，并讓廣大偏遠(yuǎn)地區(qū)的腭裂患者受益。

相關(guān)論文：

高鼻音檢測：Improving Hypernasality Estimation with Automatic Speech Recognition in Cleft Palate Speech. INTERSPEECH 2022.

https://arxiv.org/pdf/2208.05122.pdf (opens in new tab)

語音評估：End-to-End Word-Level Pronunciation Assessment with MASK Pre-training. INTERSPEECH 2023.

https://arxiv.org/pdf/2306.02682.pdf (opens in new tab)

語音分析模型助力阿爾茨海默癥篩查

阿爾茨海默癥是一種普遍的神經(jīng)退行性疾病，多見于老年人群，患者會逐漸出現(xiàn)包括記憶減退、語言障礙、認(rèn)知功能退化、計算力損害等不可逆的認(rèn)知損傷。盡管目前阿爾茨海默癥尚無有效的治療方法，但及早發(fā)現(xiàn)并及時干預(yù)對延緩病程發(fā)展十分關(guān)鍵。

（圖片來源：pexels.com）

傳統(tǒng)的診斷方法如腦部成像、血液檢測和面對面的神經(jīng)心理評估，周期長、成本高。有研究表明，阿爾茨海默癥的早期階段其實可以通過分析患者的口語來進行識別，如流利性失語，以及在詞匯尋找和檢索方面的困難。

正是基于這一發(fā)現(xiàn)，微軟亞洲研究院開發(fā)了幾種語音和語言分析技術(shù)，旨在從高級聲學(xué)和語言特征中提取與阿爾茨海默癥相關(guān)的線索，同時根據(jù)這些特征還推出了一種新的任務(wù)導(dǎo)向方法，將參與者的語言描述內(nèi)容與認(rèn)知任務(wù)之間的關(guān)系進行建模。

在自發(fā)語言識別（ADReSS）數(shù)據(jù)集的一個子任務(wù)中（“廚房偷吃餅干 Cookie Theft”的圖片描述和轉(zhuǎn)錄文本實驗，如圖1所示），這些方法實現(xiàn)了91.4%的準(zhǔn)確性。與傳統(tǒng)只專注于語音或語義分析的模型不同，微軟亞洲研究院創(chuàng)新地將語音與語義結(jié)合，極大地提升了病癥檢測的準(zhǔn)確率。在未見過的測試集上，該模型也取得了較高的效率與性能，為阿爾茨海默癥的廣泛篩查提供了新的可行性。

圖1：用于檢測阿爾茨海默癥描述性任務(wù)的 Cookie Theft 圖像，由 DementiaBank Pitt Corpus, Becker 等人提出，1994年

相關(guān)論文：

Leveraging Pretrained Representations with Task-related Keywords for Alzheimer’s Disease Detection (opens in new tab) (ICASSP 2023)

利用無監(jiān)督方法檢測自閉癥譜系障礙患者的刻板行為

自閉癥譜系障礙（ASD）大多起病于嬰幼兒時期，其特征往往表現(xiàn)為社交和交流障礙以及刻板和重復(fù)性行為。其中刻板和重復(fù)性行為，如不斷拍打地面、反復(fù)撞擊頭部或不斷拍手等，是自閉癥譜系障礙檢測的重要線索。自閉癥患者的康復(fù)機率與發(fā)現(xiàn)和干預(yù)的及時性密切相關(guān)，但單純依靠專業(yè)醫(yī)護人員長時間跟蹤觀察兒童行為的效率較低。因此，一種快速且自動化的刻板行為檢測方法將具有重要價值。

（圖片來源：unsplash.com）

現(xiàn)有方法大多利用計算機視覺技術(shù)，基于自閉癥譜系障礙患者的視頻錄像數(shù)據(jù)，通過監(jiān)督分類和活動識別技術(shù)來檢測刻板行為。然而，刻板行為種類繁多，且視頻錄像數(shù)據(jù)因涉及隱私問題收集困難，限制了現(xiàn)有監(jiān)督檢測方法的可行性。

微軟亞洲研究院與專業(yè)醫(yī)療機構(gòu)合作，從新的方向入手解決挑戰(zhàn)——利用無監(jiān)督視頻異常識別來檢測刻板行為，并推出了一個基于人體姿勢的時間軌跡和動作重復(fù)模式的雙流深度模型 DS-SBD。該模型不僅可以在只包含正常行為的未標(biāo)記視頻中進行訓(xùn)練，而且還可以在推理過程中檢測到未知類型的異常行為，比如識別出訓(xùn)練數(shù)據(jù)中未曾出現(xiàn)的轉(zhuǎn)圈行為等。

圖2：當(dāng)出現(xiàn)刻板行為時（不正常的拍手），算法的預(yù)測概率顯著升高

廣泛的實驗表明，DS-SBD 模型的無監(jiān)督刻板行為檢測方法，將分類準(zhǔn)確性指標(biāo)的微平均（micro-average）AUROC 從60.43%提高到了71.04%，宏平均（macro-average）AUROC 從56.45%提高到了73.39%，這不僅提升了對刻板行為檢測的準(zhǔn)確性，還進一步擴展了對更多種類刻板行為的識別能力。該方法超越了現(xiàn)有的 SOTA 方法，有望成為未來研究的潛在基準(zhǔn)。不過，刻板行為檢測只是自閉癥診斷中的一環(huán)，自閉癥譜系障礙的早期識別和干預(yù)，還需要更多跨領(lǐng)域合作和社會各界的共同努力。

相關(guān)論文：

Unsupervised Video Anomaly Detection for Stereotypical Behaviors in Autism (opens in new tab) (ICASSP 2023)

基于腦電信號提升新生兒癲癇檢測準(zhǔn)確率

兒童癲癇是兒童（0～18歲）時期常見的一種病因復(fù)雜且反復(fù)發(fā)作的神經(jīng)系統(tǒng)綜合征。為了避免影響孩子們的成長發(fā)育，新生兒癲癇的早期檢測十分重要。

（圖片來源：unsplash.com）

癲癇發(fā)作是由腦部神經(jīng)元“異常放電”所引起，所以腦電波檢查對于診斷癲癇病有著決定性的作用。但由于新生兒大腦發(fā)育不完全、腦電數(shù)據(jù)噪聲大且患兒個體差異明顯，使得基于腦電波的新生兒癲癇檢測成為世界級醫(yī)學(xué)難題。

微軟亞洲研究院與多家合作伙伴基于人工智能和腦電信號（EEG），提出了一個深度學(xué)習(xí)框架——時空 EEG 網(wǎng)絡(luò)（STATENet）。該框架可以對腦信號進行精細(xì)化處理，靈活適應(yīng)新生兒 EEG 通道數(shù)量的變化，以應(yīng)對上述挑戰(zhàn)。此外，研究員們還提出了一個模型級別的集成方法，通過動態(tài)聚合不同時空深度模型的結(jié)果，提高了 STATENet 模型在不同新生兒之間的泛化能力。

研究員們在包含了大規(guī)模真實世界新生兒 EEG 的數(shù)據(jù)集上進行了實驗，結(jié)果表明，STATENet 模型顯著提高了檢測的準(zhǔn)確性，AUPRC（精確率-召回率曲線下的面積）比現(xiàn)有的最先進的方法提升了超過30%，為醫(yī)生診斷小兒癲癇提供了新的工具。

不僅如此，微軟亞洲研究院還訓(xùn)練了首個跨數(shù)據(jù)集的腦電基礎(chǔ)模型，可以對任何腦電數(shù)據(jù)進行分析，實現(xiàn)了“一對多”的腦電理解?；谠撃Ｐ?，研究員們還開發(fā)了 AI Neurologist 系統(tǒng)，可輔助臨床和科研場景下的腦電信號分析工作，將醫(yī)生的判斷準(zhǔn)確率由原來的75%提高至90%。目前，相關(guān)模型已在 GitHub 上開源，微軟亞洲研究院歡迎全球的研究者共同參與，讓相關(guān)技術(shù)在更廣泛的醫(yī)學(xué)領(lǐng)域發(fā)揮作用，為臨床診斷與治療帶來新的突破。

圖3：AI Neurologist 系統(tǒng)

相關(guān)論文：

新生兒癲癇檢測論文：Protecting the Future: Neonatal Seizure Detection with Spatial-Temporal Modeling. IEEE International Conference on Systems, Man, and Cybernetics (SMC), 2023.

https://arxiv.org/abs/2307.05382 (opens in new tab)

腦電預(yù)訓(xùn)練模型論文：Learning Topology-Agnostic EEG Representations with Geometry-Aware Modeling

https://openreview.net/attachment?id=hiOUySN0ub&name=pdf (opens in new tab)

病程預(yù)測與個性化治療：人工智能助力精準(zhǔn)醫(yī)療有的放矢

精準(zhǔn)醫(yī)療是未來醫(yī)療發(fā)展的重要方向，它以個體化差異為基礎(chǔ)，為患者提供個性化的治療方案。然而，由于疾病的復(fù)雜性與個體差異性，精準(zhǔn)醫(yī)療的實現(xiàn)仍面臨著諸多挑戰(zhàn)。人工智能在數(shù)據(jù)處理、模式識別和預(yù)測分析方面的獨特能力，讓其在預(yù)測疾病風(fēng)險和病程進展方面展現(xiàn)出了巨大的潛力。這種預(yù)測能力對于慢性病的管理尤為重要，可以幫助醫(yī)生和患者更好地管理疾病，減少并發(fā)癥的發(fā)生。

將圖神經(jīng)網(wǎng)絡(luò)用于帕金森病程發(fā)展預(yù)測

帕金森病是一種常見于中老年人的神經(jīng)系統(tǒng)退行性疾病，其病程進展通常不快，有些患者一年也不會有明顯變化，甚至?xí)霈F(xiàn)好轉(zhuǎn)，在合理的藥物和理療幫助下，可以保持良好的生理機能。但帕金森病的癥狀復(fù)雜多樣，包括睡眠障礙、呼吸困難、面部肌肉失調(diào)以及步態(tài)不穩(wěn)和震顫等，病程發(fā)展預(yù)測是帕金森病治療中的一大難題。

（圖片來源：pixabay.com）

對此，微軟亞洲研究院的研究員們認(rèn)為，有必要分析患者的多模態(tài)數(shù)據(jù)來提取相似特征，以提高病癥發(fā)展預(yù)測的準(zhǔn)確性。圖神經(jīng)網(wǎng)絡(luò)（GNNs）就非常適合連接個體之間的關(guān)系——構(gòu)建一個以患者為節(jié)點的圖，并連接相似的患者，其中的相似性由患者的邊緣特征決定。然而，選擇這些邊緣特征來定義患者相似性也具有一定的挑戰(zhàn)，因為其非常依賴于人類專家和先驗知識。

針對這些問題，微軟亞洲研究院與醫(yī)療機構(gòu)合作，在數(shù)據(jù)預(yù)處理、算法構(gòu)建、模型設(shè)計和可解釋性等方面進行了密切交流，并基于專業(yè)醫(yī)護人員的建議，提出了一種新算法——AdaMedGraph。該算法可以自動選擇重要特征來構(gòu)建多個患者的相似性圖，并與先驗知識兼容，將人類專家構(gòu)建的圖納入最終的集成模型。因為能夠?qū)€體間的信息與個體內(nèi)的特征統(tǒng)一在一個模型中，AdaMedGraph 最大限度地減輕了圖構(gòu)建方面的負(fù)擔(dān)。

在帕金森病進展標(biāo)志物倡議（PPMI）（Marek等，2018年）和帕金森病生物標(biāo)志物計劃（PDBP）兩個公開數(shù)據(jù)集上，AdaMedGraph 在預(yù)測24個月帕金森病病情發(fā)展方面，與其他基準(zhǔn)模型相比，在所有指標(biāo)上都獲得了更高的準(zhǔn)確性，為后續(xù)的個性化精準(zhǔn)治療提供了切入點。

此外，AdaMedGraph 模型還具有較強的泛化能力，在預(yù)測代謝綜合征的發(fā)生上也表現(xiàn)出色。在測試數(shù)據(jù)集上的 AUROC 達到了0.675，進一步證明了將患者內(nèi)部數(shù)據(jù)和患者之間的數(shù)據(jù)都納入個體疾病發(fā)展預(yù)測的有效性，為未來的醫(yī)學(xué)研究提供了新的思路和方法。

相關(guān)論文：

AdaMedGraph: Adaboosting Graph Neural Networks for Personalized Medicine (opens in new tab)

加強跨領(lǐng)域合作，釋放人工智能價值

微軟亞洲研究院的探索不僅限于疾病檢測和病程預(yù)測。通過與醫(yī)學(xué)界的廣泛合作，微軟亞洲研究院也在深入挖掘人工智能在藥物研發(fā)和醫(yī)學(xué)研究領(lǐng)域的巨大潛力，比如將前沿技術(shù)應(yīng)用于人工視網(wǎng)膜構(gòu)建、藥物成癮分析、癌癥治療、人體代謝探究，等等。

人工智能技術(shù)的成熟和進步使其在實際應(yīng)用中的潛力逐漸顯現(xiàn)，但要充分釋放人工智能在各行各業(yè)的價值，跨學(xué)科與跨領(lǐng)域的合作變得至關(guān)重要?！暗靡嬗谂c醫(yī)療機構(gòu)和醫(yī)學(xué)研究機構(gòu)的醫(yī)學(xué)專家的跨界合作，微軟亞洲研究院才能順利開展諸多涉及醫(yī)療健康領(lǐng)域的研究項目，持續(xù)探索將人工智能技術(shù)應(yīng)用于疾病檢測、康復(fù)訓(xùn)練和病程預(yù)測等醫(yī)療領(lǐng)域的關(guān)鍵環(huán)節(jié)，這是團隊共同努力的成果。我們也歡迎更多對跨領(lǐng)域研究感興趣的優(yōu)秀人才的加入，共同為守護人類健康和推動醫(yī)學(xué)進步貢獻力量?！蔽④泚喼扪芯吭焊痹洪L邱鋰力表示。

歡迎加入微軟亞洲研究院：https://www.msra.cn/zh-cn/jobs (opens in new tab)

注：本文所述的微軟亞洲研究院在醫(yī)療健康領(lǐng)域的研究均為科研探索性質(zhì)，且均在專業(yè)醫(yī)療和醫(yī)學(xué)研究機構(gòu)的合作指導(dǎo)下進行，旨在推動科學(xué)進步并為人類未來的醫(yī)療健康應(yīng)用提供理論和技術(shù)支持。所有研究均嚴(yán)格遵守微軟負(fù)責(zé)任的 AI 流程的指導(dǎo)，并遵循公平、包容、可靠性與安全性、透明、隱私與保障、負(fù)責(zé)的原則。文中所提及的技術(shù)和方法目前均處于研究和開發(fā)階段，尚未形成商業(yè)產(chǎn)品或服務(wù)，也不構(gòu)成任何醫(yī)療建議或治療方案。我們鼓勵讀者在面對健康問題時咨詢合格的醫(yī)療專業(yè)人士。

相關(guān)知識

“人工智能+”醫(yī)療新范式 賦能行業(yè)創(chuàng)新發(fā)展
人工智能大模型在醫(yī)療健康領(lǐng)域的深度應(yīng)用
創(chuàng)新賦能 釋放智慧醫(yī)療“向新力”
智慧醫(yī)療，健康守護——人工智能智慧醫(yī)療健康管理系統(tǒng)
醫(yī)療保健領(lǐng)域的人工智能: 使用案例和技術(shù)
智慧醫(yī)療與人工智能：融合創(chuàng)新，引領(lǐng)未來醫(yī)療新篇章
創(chuàng)新科技賦能智慧醫(yī)療，讓健康生活觸手可及
智能醫(yī)療守護者：可穿戴設(shè)備在健康監(jiān)測的創(chuàng)新應(yīng)用
醫(yī)療領(lǐng)域的十大人工智能應(yīng)用場景：重塑醫(yī)療健康的未來
智慧醫(yī)療創(chuàng)新潮，科技賦能健康夢！

網(wǎng)址: 守護人類健康：人工智能賦能醫(yī)療領(lǐng)域創(chuàng)新應(yīng)用 http://www.u1s5d6.cn/newsview207213.html