劉倩玉 周澤楚
(中南大學 湖南省長沙市 410083)
同時,阿爾茨海默的死亡率已經(jīng)上升了55%。來自國家老年疾病臨床醫(yī)學研究中心(宣武醫(yī)院)、北京認知神經(jīng)科學學會、首都醫(yī)科大學宣武醫(yī)院的神經(jīng)內(nèi)科主任醫(yī)師韓瓔教授指出,中國已經(jīng)成為世界上AD患者人數(shù)最多的國家,目前已高達800多萬,65歲以上老年人AD發(fā)病率在4%~6%,并且呈不斷上升趨勢。研究表明輕度認知功能障礙(Mild Cognitive Impairment,MCI)發(fā)展為老年癡呆的風險非常之大,然而這個過程是可以由臨床治療來加以阻止的。隨著近年來AD生物標志物的識別,本團隊對這個疾病的認識已經(jīng)從基于癥狀轉移到大腦變化。而磁共振成像(Magnetic Resonance Imaging,MRI)用于發(fā)現(xiàn)其特異性影像學表現(xiàn)。早期診斷AD對個人和經(jīng)濟利益都非常重要。因此,MRI的診斷對于預防老年癡呆癥有非常大的意義。而開發(fā)一個將MRI融合與智能輔助平臺的處理與可視化的平臺,一方面具有普適性,以擴大社會對阿爾茨海默的關注、參與并給予資助,另一方面給醫(yī)務人員提供便捷的輔助分析手段,使其能夠把病灶區(qū)域找出并進行科學合理的診斷分析,對于防止臨床疾病的誤診漏診、提高疾病診斷的準確性具有重要的醫(yī)學意義。
在調研參考了2019年全球失智癥報告后,可以看出整個社會對阿爾茲海默癥的關注還不夠全面,無論從認知、就診、治療等方面都存在認識問題。因此平臺應該更多考慮社會實際——比如阿爾茲海默癥的科普、對阿爾茲海默癥患者的防走失幫助等,而不是單一的智能輔助診斷。因為智能輔助需要患者進行核磁共振的醫(yī)療接入,而一些患者可能不會有要做核磁共振的意識,這直接影響了平臺是否會受到正確的使用。在2019年全球失智癥報告中,四人中有一人認為人們對失智癥無計可施,三人中有二人認為失智癥是正常老化的結果;同時,超過85%受訪的失智者表示他們的意見不受重視,約40%的大眾認為醫(yī)師與護理師忽視失智者。這樣的結果意味著普適性是智能輔助診斷平臺的重點之一。
因此,智能輔助診斷模塊僅是該平臺的一部分。平臺開發(fā)從患者、患者家屬、醫(yī)生等方面入手,分為四個模塊,分別是科普模塊、論壇模塊、實用工具模塊、個人信息模塊。科普模塊的主要目的是為了讓人們對阿爾茲海默癥有更充分的認識,這不僅在于普及阿爾茲海默癥,更在于提高大眾對阿爾茲海默癥的重視程度,以及如何對早期阿爾茲海默患者進行干預等等。論壇模塊以發(fā)帖回帖的形式交流,促進各類人群探討問題,這可以讓更多的人通過他人(尤其是醫(yī)生)的經(jīng)驗解決一定的問題,從而提供更好的幫助。實用工具模塊通過在線問診、即時尋人、智能診斷、預約服務等方面,為阿爾茲海默癥患者家庭提供幫助。個人信息模塊則是對用戶信息、位置等的登錄記錄等。由小程序設計的平臺,將充分實現(xiàn)其輕量級要求,具有普適性和方便性。
圖1:系統(tǒng)體系架構設計
本研究借助ADDL開源項目(AD指阿爾茲海默癥,DL指深度學習)進行智能輔助診斷。其中包含了預處理、格式轉換、訓練和推理這四個過程。預處理過程從ADNI(開源數(shù)據(jù)庫)核磁共振影像數(shù)據(jù)中分割提取灰質,并對研究組所有數(shù)據(jù)進行灰質注冊——FSL-VBM作為預處理工具,將MNI-152標準模板的大腦掩碼參考各個ADNI核磁共振影像數(shù)據(jù)使用仿射和非線性空間變換注冊,然后利用大腦掩碼進行提取。格式轉換過程將圖片由NIFTI格式轉為PNG格式,并將所有圖片分成訓練集和驗證集。這是因為它服務于深度學習模型,深度學習模型需要輸入2D圖像數(shù)據(jù)。訓練過程將訓練集圖片和對應的標簽打包成二進制文件,并將二進制文件輸入到ResNet模型(當前應用最為廣泛的CNN特征提取網(wǎng)絡)進行訓練,當網(wǎng)絡收斂時得到ResNet模型參數(shù)。推理過程將驗證集圖片按照被試主體打包為二進制文件,并將二進制文件傳入給經(jīng)過訓練的ResNet模型,然后根據(jù)診斷算法得到阿爾茲海默癥的診斷結果。ResNet模型推理過程的輸出是沿Z軸圖片的AD或NL的分類標簽,一個主體的一個核磁共振三維影像數(shù)據(jù)包含大約60個標簽。診斷算法根據(jù)沿Z軸的圖像的AD預測標簽給出診斷結果。從參考文獻中可以看出,考慮到灰質位置或組織連接可能關聯(lián)阿爾茲海默癥的特征,為了更高的準確性,將每個標簽矢量加權做為診斷量。
基于AD和NL之間的數(shù)量比較是一種直接的方法,AD結果越多,反應主體的AD特征就越多。這是所有策略的基準。偽代碼如下所示。
考慮到3D空間中的特征應該是連續(xù)的,為了減少單個PNG結果的影響,我們使用連續(xù)方法。偽代碼如下所示。
該策略在不同的研究組中有不同的N,并且僅在序號1研究組中整體準確性優(yōu)于基準策略。
通過資產(chǎn)證券化的方式將風險資產(chǎn)通過證券化的形式轉化為現(xiàn)金,有助于降低風險資產(chǎn)占總資產(chǎn)的比率和改善各種財務比率,提高資產(chǎn)的運用效率,滿足風險資產(chǎn)所占總資產(chǎn)的要求。例如:根據(jù)我國根據(jù)《商業(yè)銀行法》規(guī)定,平穩(wěn)運營的商業(yè)銀行,資本凈額占總資產(chǎn)的比例應不小于8%,核心資本不小于4%,通過資產(chǎn)證券化,增加了資產(chǎn)的流動性,提高了資本金充足率。
根據(jù)醫(yī)學研究,阿爾茨海默病中海馬體為萎縮最早最快的組織。只檢查底部的N個圖像文件,而不檢查基準策略中的所有的圖像。偽代碼如下所示。
該策略在不同的研究組中使用共同的N。雖然并不是所有的研究組都能在這個N下獲得最好的精確度,但所有研究組的精度都好于基準策略。
最終結論的為診斷方法“低Z軸位置”的精度較高,指向海馬體組織含有較多的AD特征[2]。
為了實現(xiàn)整個平臺的便利化使用,我們利用微信開發(fā)者工具,以HTML語言模塊化開發(fā)了“勿忘歸家路——阿爾茲海默癥智能平臺”微信小程序,實現(xiàn)平臺輕量化、普及性較高等特點,系統(tǒng)體系架構設計如圖1。
2.3.1 科普模塊
科普模塊包括阿爾茲海默癥基本概念、危險因素、臨床表現(xiàn)以及常見的診療方法等方面,旨在向廣大患者及患者家屬普及阿爾茲海默癥的相關知識。由于民眾對于阿爾茲海默癥及認知障礙存在認識程度不夠等問題,這也是導致阿爾茲海默癥患者早期治療干預效果不足的重要原因。希望通過小程序的推廣,提高全社會對于阿爾茲海默癥的基本認識。
2.3.2 論壇模塊
論壇模塊,包括患者、家屬、醫(yī)生及其他感興趣的人群共四個板塊,用戶可以在對應平臺進行溝通,分享各自觀點,包括但不限于不同治療方案的討論、分析等。鑒于阿爾茲海默癥患者群體的特殊性,我們希望,在整個病癥發(fā)現(xiàn)、診斷、治療的過程中,醫(yī)患家屬三方能夠積極溝通,相互配合,達到最佳的治療效果。同時,為了防止出現(xiàn)惡意言論,采取了關鍵詞屏蔽等功能,旨在創(chuàng)造一個和諧良好的論壇環(huán)境。
2.3.3 實用工具模塊
實用工具模塊主要以服務患者及家屬為主,包括在線問診、開啟微信后即時尋人、預約服務和智能診斷功能。
(1)在線問診。在線問診頁面,存儲了部分醫(yī)生等的聯(lián)系方式,方便用戶與醫(yī)生進行溝通交流。
(2)即時尋人。阿爾茲海默癥患者的典型癥狀就是遺忘、走失等情況,為患者家庭帶來很大傷害。用戶可以事先綁定相應患者賬號,患者開啟小程序權限,同意獲得位置信息,接入微信位置API,利用騰訊地圖,向患者家屬實時顯示患者位置。
(3)預約服務。作為一個全方位智能平臺,利用互聯(lián)網(wǎng)進行預約護理也是一個重要方面。與傳統(tǒng)預約軟件不同,由于本軟件是非盈利性質,在整個預約過程中,不涉及任何支付過程,平臺僅記錄服務雙方基本信息及預約訂單信息。在預約項目詳情頁,用戶核實確認服務項目及收費標準后,填寫必要個人信息,即可預約。用戶位置由微信小程序實時獲得,無需用戶填寫。
(4)智能診斷。智能診斷是本次項目的核心,通過接口實現(xiàn)。用戶進入診斷頁面后,添加本地的腦部核磁共振影像,軟件將圖像傳輸至服務器端,由服務器端進行機器學習診斷,并反饋診斷結果至平臺,完成診斷輔助,針對疑似病例,平臺會征求用戶的同意下進行數(shù)據(jù)記錄與后續(xù)跟蹤。
2.3.4 個人信息模塊
個人信息模塊中,在授權后,主要以微信號為登錄依據(jù)。個人信息中,平臺保存了訂單信息鏈接至數(shù)據(jù)庫,包括支付情況和訂單處理情況。此外,為了適應平臺的諸多功能,個人位置信息及電話號碼也將保存并顯示。但是由此也出現(xiàn)了信息安全問題,需要完善以保證用戶信息的私密性。
人工智能醫(yī)療,以互聯(lián)網(wǎng)為依托,通過基礎設施的搭建及數(shù)據(jù)的收集,將人工智能技術及大數(shù)據(jù)服務應用于醫(yī)療行業(yè)中,提升醫(yī)療行業(yè)的診斷效率及服務質量,更好的解決醫(yī)療資源短缺、人口老齡化的問題。我們采用互聯(lián)網(wǎng)+醫(yī)療概念。代表了醫(yī)療行業(yè)新的發(fā)展方向,有利于緩解中國醫(yī)療資源不平衡和人們?nèi)找嬖黾拥慕】滇t(yī)療需求之間的矛盾,是衛(wèi)生部積極引導和支持的醫(yī)療發(fā)展模式。是互聯(lián)網(wǎng)與傳統(tǒng)行業(yè)融合發(fā)展的新形態(tài),可以充分發(fā)揮互聯(lián)網(wǎng)在生產(chǎn)要素配置中的優(yōu)化和集成作用。
目前智能醫(yī)療、醫(yī)學圖像分析領域的人工智能以及機器學習算法等知識是研究人員關注的熱點,醫(yī)療環(huán)境不斷改善。但是受制于經(jīng)濟因素及受教育程度,部分老年人出現(xiàn)早期認知功能障礙,卻未重視這些早期癥狀,導致病情惡化,甚至造成不可逆的損害。本研究不斷汲取前沿知識,以基于機器學習的醫(yī)學影像識別處理系統(tǒng)為主,且重在實施推廣,方便無相關知識儲備的患者自查,便于其認識病情,積極配合治療。雖然目前阿爾茲海默癥無法治愈,但輕度認知功能損害可以得到控制,能夠做到早發(fā)現(xiàn)早控制早治療。本研究通過機器學習和“互聯(lián)網(wǎng)+醫(yī)療”,做到“零門檻”使用,通過醫(yī)學影像,為早期診斷提供快速高效的診斷依據(jù),便于醫(yī)學手段早日介入治療,盡早控制,保護老年人身體健康。