专家智慧结合AI
摸脉搏监测心脏疾病

经验丰富的中医师只需摸脉象就能诊出病人有哪些疾病。想像一下,这一手切脉诊病且无形的独门绝技能不能被具体化,用来教授传承甚至制成医疗设备、筛检方式,用以造福人群?

当然有可能!借助人工智能及穿戴式设备的力量,台湾成功大学生物医学工程系及成功大学附设医院组成的跨领域研发团队,正往推出结合手腕桡动脉(Radial Artery,RA)脉搏波及人工智能的心脏疾病筛检器材的道路前进!



第十二版的脉博感测器。

趁着工程研发团队负责人成大医工系助理教授林哲伟在马出席成大校友会讲座“人工智慧好好玩:从人工智慧看生物医学工程的新改变”,我们请他细说从头。

一般上,说到切脉诊病都会联想到中医师。此处所提却是西医。现任台南市立医院院长,同时也是成功大学医院心脏内科主治医生兼教授蔡良敏有一个特殊的“技能”,只要摸脉博就能推测出病人可能患有哪些心脏疾病。

研究团队成员,其中一人手上拿着的是第十二版的脉博感测器。

通过脉诊初步筛检

西医摸脉搏就能知有没有心脏病,这……听起来合理吗?当然。

林哲伟解释,在脉博摸到的血液流是心脏打出来的血液流,倘若心脏有不正常跳动或结构有异常,打出来的血液流动自然也有异于正常的血液流。



在蔡良敏年轻时代,当时医生看诊,很多时候靠的不是机器设备,而是医生的感觉、观察和经验。多年的经验累积,蔡良敏练就了透过脉诊初步筛检病人心脏病的“专家智慧”。

“从蔡医师的专家智慧来说,他把经验累积成的个人感觉与某种疾病连接,这其实某种程度上是他的人类智慧。”

要把这种人类智慧具体化并不简单,但时代在进步,科技发展一日千里,新科技的应用把技术障碍/门槛逐步拉低,从不可能走向有可能。

为了把蔡良敏的“专家智慧”具体化,成大医工系穿戴科技与行动照护实验室联同成大附设医院3名医生兼教授——蔡良敏、林宙晴、陈儒逸组成跨领域团队“人工智慧桡动脉脉搏波分析”。

首先,林哲伟和团队得收集手腕脉搏所产生的脉搏波(又称手腕脉音、手腕震动波)并转换成为电子讯号,才能有后续的研发。他们制作了10款以上感测器(市场上缺乏合适的脉搏感测器)捕捉脉搏的跳动并转换成电讯号图(也就是门外汉所看到的波形)。

理论上来说,不同心脏疾病转换成电讯号之后,呈现出不同的特征,但是这些电讯号图里的“波形”的形状和样式,看起来好像有些不同但又没有太大的差异,“到底要怎样找到一个最适合的方式去分析这些资料,呈现出不同疾病之间的手脉搏跳动是不同的?很困难。”

林哲伟与团队成员中的2名医生兼教授蔡良敏及林宙晴(右)的合作,是电机工程与医学的跨领域合作。
使用第十二版感测器收集脉搏所产生的脉搏震动波。

AI辨识能力强

这道关卡令研究工作停顿半年至1年,直至某一天林哲伟突然灵机一动,想到了AI。

“我就想到,AI在影像方面的运用很蓬勃,近几年来新的AI模型如卷积式类神经网络(ConvNets)对于影像辨识的能力很强、影像辨识的强建度(可以容忍多少的差异性)也很高,即然AI在影像辨识的能力很强,有没有办法把要辨识的波形讯号变成类似影像的特征?”

团队应用工程数学上一种数学技巧(连续小波转换),把桡动脉脉搏波的波形讯号,从现有普遍使用的方式A(见图1的上图),做适当的转换成新的方式B(见图1的下图)。经过转换呈现方式,以黄色“蜡烛火焰”来显示脉搏波组成的频率,可以看出不同的心脏疾病有着不同形状的时频图、脉搏也有不同的形状。

简单来说,方式A用2个因素(脉搏跳动时间+压力大小)分析心脏病,林哲伟和团队运用的方式B以3个因素(脉搏跳动时间+频率+压力大小)分析心脏病。

“一件事件用3个因素和2个因素去分析,结果一定会远远不一样。我们发觉把2个维度的讯号转换成3个维度的讯号,获得的资讯更多,而且更能看到不同疾病的差异。”

随后,他们针对更多心脏疾病开发演算法并进行研究分析,透过近年来很常见的AI辨识器(卷积式类神经网络)辨识由手腕脉波转换出来的时频图,再将分析结果与心脏科临床医生透过心电图、心脏超音波等标准诊断比对透过,准确率可达到98%以上。

(图1)此图中包含正常心跳及心房颤动心跳的手腕桡动脉脉波。 上方是传统的电讯号图,横轴是时间,纵轴是脉搏产生的桡动脉脉波压力大小。下方是林哲伟及团队使用时频转换得到的时频图,横轴是时间,纵轴是脉波讯号组成的频率,颜色深浅是不同频率对应的能量大小。以黄色“蜡烛火焰”来代表显示脉搏波组成的频率,可以看出不同的心脏疾病有着不同形状的时频图、脉搏也有不同的形状。
(图1)此图中包含正常心跳及心房颤动心跳的手腕桡动脉脉波。 上方是传统的电讯号图,横轴是时间,纵轴是脉搏产生的桡动脉脉波压力大小。下方是林哲伟及团队使用时频转换得到的时频图,横轴是时间,纵轴是脉波讯号组成的频率,颜色深浅是不同频率对应的能量大小。以黄色“蜡烛火焰”来代表显示脉搏波组成的频率,可以看出不同的心脏疾病有着不同形状的时频图、脉搏也有不同的形状。

工程师与医生结合

林哲伟指出,最令团队开心的是,这是一项将医生临床经验开始、工程团队自行开发感测设备以及演算法,最后得到与医师诊断结果高度相关的辨识结果,是一项在研发上从无到有的过程。上述研究在3年前启动,团队更设计出一款心脏疾病筛检器材(结合手腕桡动脉脉搏波及AI),继取得台湾专利后,目前在申请美国专利当中、也正进行医疗器材安规的设计,最快可在明后年进行临床人体实验,进一步验证功效。

事实上,研究团队也以类似方式研究睡眠障碍疾病、甚至是神经退化疾病的退化程度与步态变化的关系,尽管仍处在学术研究阶段,但期许未来能取得突破,为医生做治疗或评估治疗成效提供参考。

“台湾在医学和电机资讯工程都很强,但过去比较没有互动、结合的机会,在AI的议题风行之后,大家发现工程师和医生可以合作创造更多不一样的火花出来。”

林哲伟指出,AI发展至今,在影像和声音辨识上已相对成熟,而应用AI对医学影像的标记份属红海市场,他和团队从创新角度出发,希望把医生的丰富经验制成设备,解决临床未满足的需求。

林哲伟是电机工程博士,目前在成大从事生物医学工程与人工智能AI结合的研究工作。

AI运用领域

翻开新闻,AI课题几乎无所不在。林哲伟指出,“未来是AI的时代”此话不虚,但目前AI应用可分为“较成熟”与“未来可期”两大类。

AI运用较成熟的领域: 

●辨识:人脸、声音的辩识,苹果Siri、谷歌语音辨识均属于这类相关应用。人脸辨识目前多应用在保安上。

●资料探堪:资料探堪的重点是把资料之间的相似度表示出来,讲到资料探堪,一定是要找出哪些因素会让结果类似,或者出现什么因异致什么果,要把因果关系连结起来。AI的运算法则(数学模式)就有助人类分析大量资料之间的因果关系。

例如:华人罹患肝病比例高,近年来有科学家从基因、人体的生化指标角度去归纳出哪些基因会令华人比较容易得肝病,又或者有哪些生化指标可以显示特殊人种的特殊疾病罹患率或原因,更进一步可以进行基因筛检,从中发现某些人先天得某些特殊疾病机率较高,这是生化科学与AI结合应用。

●决策形成:一名70岁、中风男性来就医,终其一生需要花费多少医疗资源?这是未来的事,但参考过去相同案例可推算出大概,再应用这些数据比对全国有多少符合条件的人数,政府机关从中可推算每年应拨给医疗领域的预算,做出更精准有信心的决策。

问题是,数据从哪里来?以台湾为例,几乎全民都有参与全民健康保险系统,健保系统资料库和就医的医院掌握台湾人民的医疗数据。

●适应性学习:多数应用在机器人的自动控制上。机器人的动作靠马达的运动产生动作,但马达的运动要如何达到让机器人动起来+平衡感佳+移动得很棒……这些正是适应性学习派上用场的地方。

强AI能力高阶

尚未成熟,但未来可期的强AI。

林哲伟指出,AI理论中有所谓强AI以及弱AI,如今弱AI理论已臻成熟,弱AI指的是机器可以模拟人类的思考结果以及行为表现,而世人对于AI的愿景是希望它成为强AI。

“强AI比较像是人类与生俱来的高阶能力,例如推理、认知、情感、类比、自觉、思考、模仿,”若强AI时代到来,机器可能会有自己的情感、认知、问题解决能力……有部份科学家如史蒂芬霍金因而提醒“小心AI毁灭人类”。

他坦言,霍金的警示是未来可能会发生的事情,但强AI在现阶段相对不成熟,这与数学的发展有一些关系。 “目前的人工智能是用电脑的数位运算去做所有事情。目前的数学尚未发展到可以完全模仿生物体有情感有自觉有情绪的阶段。”

参加2018 Emedic Global竞赛的照片,团队获得铜牌奖以及提升全球健康特别奖金牌奖。

伦理课题受关注

当某些弱AI和强AI开始有所连接时,伦理问题也随之出现。例如,自动驾驶是弱AI占的比例较多,因为它从固定的条件做出某种对应的驾驶决策,比如车靠得太近就自动的远一点,前面有障碍物就闪开……这些都还是反射动作,不需要经过太多的高阶的认知能力。

但日后,假设你是设计自动车驾驶程式的驾驶者,前方有2个人和1根柱子,倘若你势必会撞到其中1个,这时候程式应该要决定要撞向谁?

林哲伟指出,有怜悯心的人或许会选择撞柱子,但想保命的人可能撞向人,此时要撞年轻人还是长者?

“伦理有时候是难以用二分法去解释的问题,所以AI从弱AI往强AI发展的时候,除了要很小心人类的生存是否会被受AI影响之外,越来越多人关注的是伦理课题。”

“在脉博摸到的血液流是心脏打出来的血液流,倘若心脏有不正常跳动或结构有异常,打出来的血液流动自然也有异于正常的血液流。 ”

报道·郑美励 摄影·陈成发、受访者提供

报道·郑美励 摄影·陈成发、受访者提供