AI＋医疗影像升级—视频智能化分析与辅助诊断将带来哪些影响？

AI之于医疗影像，超强的算力结合学习能力，让AI可以从无数医疗影像片中快速找到规律，将医生几十年之间的阅片经验转换成可复制、可普及的技术工具。除了极大地解放出医生的生产力，让紧张的医疗资源稍有缓和以外，还开始在某些疾病的发现上超越人类，像在最近的报道中谷歌和美国一家医疗机构合作利用人工智能诊断、监测乳腺癌，在转移性乳腺癌的监测中，谷歌人工智能系统就获得了99%的准确率，已经超过了人类病理专家的水平。

仅仅是图像上的识别就能带来如此巨大的变化，那么从今年开始，计算资源的提升让AI开始越来越多地进入视频领域，对视频的智能化分析，在医疗上又会造成哪些影响？

用视频分析帕金森病？可能没你想象的那么神奇

实际上在AI分析视频进行智能辅助诊疗上，已经出现了相关的应用案例。几个月前，腾讯医疗人工智能实验室推出了一项名为“帕金森病运动功能智能评估系统”的帕金森病AI辅助诊断新技术。患者按照帕金森评判标准完成动作并拍摄视频，评估系统就可以通过动作的完成度，帮助医生用3分钟来判断患者是否患有帕金森症，而医生单独进行诊疗时，需要大量的沟通和30分钟左右肉眼观察。

用户不需要佩戴复杂的传感器，仅仅利用普通手机摄像头就可以完成拍摄。在家庭、养老院等等场景中就能完成远程诊断，极大的提升了帕金森诊断的便利性和效率。

当然，AI分析视频对于帕金森的辅助诊断目前来说还只是个例。原因在于，国际上对于帕金森的诊断有一套严格的标准，名为UPDRS（统一帕金森病评定量表）。其中关于动作部分有着很严格的标准，比如站立做起时的灵活度、手部动作静止时的震颤程度等等。但目前这种通过动作分析进行智能辅诊的应用范围还是略窄的。

让人无感的视频智能分析，或许会让急救医疗挽救更多生命

讨论视频智能分析之于医疗的应用价值，并不能单独针对某一种疾病讨论。从效率和成本上来讲，医疗视频智能分析很难胜于单纯的图像分析。毕竟大部分可观测的疾病看的是静态的表征而不是动态。视频智能分析诊疗可以化医疗从被动到主动。

主动的医疗，就是我们在感到身体不适时会寻医问药、去医院、使用移动医疗App。但很多时候，我们没有选择主动去进行医治，甚至来不及去医治。尤其是一些突发性的疾病，如果身边没人发现，很可能在不知不觉间就对患者造成了无法挽回的损失。

结合摄像头的存在和对视频的智能化分析，很可能改变这种状况。例如在养老院这种场景中，如果老人在周围无人的情况下突发昏厥，视频分析可以精准识别并且发出警报。甚至可以通过对昏厥整个流程的分析，判断出基本的疾病方向，从而更好的进行救治，不会出现因为患者昏厥而无法了解疾病状况的状况。

在空巢家庭越来越普及的今天，这种通过对视频智能分析而连接急救医疗的系统带来的不仅仅是经济效益，更多的还有对人生命的保障。

视频急救医疗仍然面临诸多问题

首先就是识别模型的训练。与医疗影像这种有着细致数据的模型不同，需要急救的紧急状况本来就是模糊的。我们常常看到新闻说，有人在公众场合感到身体不适，坐下稍作休息后就离开人世。很多状况人类都无法看出异样，AI是否也会束手无力呢？更重要的问题时，精准的模型训练往往依赖大量数据训练。可急救医疗这种状况本身很难留下数据——否则也不会造成那么多悲剧了。

其次就是隐私的边界。视频智能分析起效的前提，很可能就是无处不在的摄像头。我们能够接受公共场合的摄像头，是因为信任整个国家的监控体系。但私人场合中的摄像头应该由哪一方推行，用户要如何信任供应商，数据的应用如何受到监督，都是难以解决的问题。

最后还有算力的限制。和一般的AI应用不同，视频智能化的急救医疗本身就在于“急”。很多AI应用可以等到数据上传到云端，再返回计算结果。可急救医疗承受不起这其中的风险：有人打王者荣耀导致网速慢了、电力系统突然跳闸导致没网了……

发展小数据甚至无数据学习，在尽可能少的数据下训练更精准的模型；本地计算，尽量提升本地算力并且收敛神经网络模型，让数据的分析在本地进行以提升计算速度和保护数据的安全。

来源：亿欧网