专访洪波教授 | 人工智能赋能脑电判读，人机协同癫痫诊疗模式未来可期
癫痫是神经系统的第二大常见疾病，困扰着各年龄段人群的身心健康，被世界卫生组织列为全球重点防治的五大神经精神疾病之一[1]。近年来，我国抗癫痫事业取得了长足进步，但目前仍存在诸多问题，如治疗缺口仍很大；城乡及地区间癫痫诊治技术水平不均衡；癫痫专科医生人数仍满足不了需求等[2]。
正因如此，构建适应现代癫痫疾病治疗的人机协同诊疗模式，可有力解决临床癫痫诊疗的资源矛盾，优化诊疗流程，使地区间的诊疗水平得到进一步平衡。
在第七届CAAE脑电图与神经电生理大会举行期间，“医学界”有幸邀请到清华大学医学院生物医学工程系洪波教授解读人工智能技术如何赋能脑电图解读，以及人工智能在抗癫痫领域的应用和发展。
人工智能，脑疾病辅助诊断的“得力助手”
人工智能为医学诊断和治疗带来最大的帮助之一就是通过大量的数据处理和分析，辅助医生做出更加准确的诊断。对于人工智能在辅助诊断方面的应用，洪波教授从以下两个方面为我们进行了介绍：
第一方面，以脑部疾病（如脑瘤）为例，人工智能可以通过深度学习方法解读脑部MRI、CT影像。对肿瘤的边界以及分型进行分析，辅助临床医生进行精确的诊断。这与其他疾病如腹部、肺部疾病的筛查诊断类似。
第二方面，相对具有挑战性，即如何利用人工智能理解大脑的功能网络及其改变。洪波教授团队与哈佛大学合作，研究如何通过静息态磁共振的方法更好地重建大脑功能网络。临床上，对于植入了脑起搏器等的患者，勾画患者的脑网络相对困难，通过对抗生成网络等深度学习方法，可补全患者缺损的功能影像。
人工智能将医生从繁杂的脑电读图中“解救”出来
脑电图（EEG）是通过安置在头皮或颅内的电极记录大脑皮质神经元的自发性、节律性电活动，目前已被广泛地用于神经疾病如癫痫的诊断及辅助诊断。
当被问及脑电图该如何赋能人工智能时，洪波教授首先为我们分析了当前临床中对脑电数据的应用现状。他表示，“目前各地的癫痫中心均积攒了大量的脑电图数据，这些数据包含了重要的癫痫诊疗信息，但我们尚未深入挖掘并将其应用至临床诊断中。此外，现在的脑电图技术逐渐走向高精度高导联，特别是癫痫手术前规划常采用的颅内脑电。例如近期推出的1024导脑电图机，采样率大幅提升，人工分析更加耗时耗力。而对于上述大数据的分析和解读，人工智能是非常擅长的。”
在人工智能赋能癫痫脑电图解读的具体应用方面，洪波教授分享了他的观点。他认为：
“第一个层次的应用是把过往的高质量脑电数据及其诊断信息充分利用起来，建立一个智能决策系统，通过关键信息从数据库中筛选最匹配的旧病例，辅助新病例的诊断。背后的人工智能算法类似我们手机里的新闻和音乐推荐。这个层次的应用可以有效提升基层医院初级医生的脑电图诊断水平；
第二个层次的应用将人工智能引入脑电异常特征的提取和分析中，从大量高分辨的脑电数据中精确筛选出可疑片段，减少医生繁复的工作量，提升工作效率。这也是我们所倡导的人机协同模式，让人工智能做最繁重的工作，让医生腾出更多的精力去解读疑难脑电，积累更多临床经验。医生的经验再通过机器学习教会人工智能，反复迭代进化，人机协同诊断水平就可以不断进步。”
搭建“信息高速路”，人工智能改善癫痫患者诊疗方式
谈及人工智能时代的来临，对癫痫患者的诊疗方式有何改变时，洪波教授分享了令他深有感触的故事。
“我和学生们去过很多医院，看到不少远道而来的癫痫患者做了脑电图检查，要等好几天才能拿到检验报告。来自农村的癫痫患者家庭经济状况一般都不宽裕，无法负担宾馆的费用，只好睡在医院走廊上。看到这样让人揪心的场景，我和团队下定决心要用我们的专长帮助这些患者。我们和北京、河北多家医院癫痫专家合作开发的人工智能脑电读图软件已经开始试用，可以帮助患者更快拿到脑电检查结果，从而减少患者的负担。”
“此外，对于部分偏远地区的癫痫患者，可能需要在服药一段时间后来院复诊或调药，这类患者往往由于交通不便利或其他因素而放弃复诊。那么对于这类患者，结合人工智能和5G技术，可以实现脑电远程复诊。患者在当地县级医院进行脑电图检查后，通过医联体内的‘信息高速公路’将脑电数据输送至上级医院进行判读和复诊，减少患者的来回奔波。”
洪波教授强调：“医疗健康行业需要人工智能，但不能过度神话。在诊疗过程中，尤其是复杂脑疾病的诊疗过程中，临床医生发挥着不可替代的作用，人工智能更适合扮演医生的助手角色，通过人机协作共同为疾病诊疗做出贡献。更重要的一点是，医学除了科学的冷静，也是要有人文温度的，医生给患者面对面讲解病因和治疗康复建议，给患者以信心和力量，这是今天的人工智能难以做到的。”
参考文献：
[1].肖波, 龙泓羽. 癫痫的多组学精准医学研究[J]. 中华神经科杂志, 2017,50(4) : 241-244.
[2].癫痫病分册. 临床诊疗指南（2015修订版）. 中国抗癫痫协会编著.
专家简介
洪波教授
清华大学医学院生物医学工程系教授、博士生导师。主要研究方向为脑机接口与神经信息解码。
目前任IEEE Transactions on Neural Systems and Rehabilitation Engineering和IEEE Transactions on Biomedical Engineering副主编等。其研究团队与神经外科临床合作发展了人脑功能定位与网络分析新技术，设计实现了基于颅内脑电的微创脑机接口，结合脑电信号分析和神经影像技术，在解析人脑语音语言处理机制方面取得突破。
