站在连接计算机的摄像机面前，抬抬左腿、抬抬右腿，走一走路，计算机就可以通过生理计算辅助医生诊断出测试者患上帕金森病、阿尔茨海默病的潜在风险。
　　日前，一种“多模态自然人机交互神经系统疾病辅助诊断工具”入选国家卫生健康委颁发的“医疗健康人工智能应用落地30最佳案例”。该工具可以弥补传统神经功能评价方法存在的不足，为神经医学检测提供定量化、多模态和非任务态监测的支持。
　　该工具是中国科学院软件研究所与中国医学科学院北京协和医院在国家重点研发计划“云计算和大数据”重点专项项目“云端融合的自然交互设备和工具”的支持下，将自然人机交互技术与神经系统疾病临床诊断方法相结合研发而成，并已成功应用于神经系统疾病的早期预警与辅助诊断当中。
　　“随着计算机科学技术的不断发展以及人类对于生理信息与疾病之间关系认知的逐渐深入，使得通过计算机获取并分析生理信息、检测神经系统功能疾病变得可行，且具有很大的研究价值与发展空间。”中国科学院软件研究所研究员田丰对《中国科学报》说。
　　诊断实现定量化
　　脑卒中、帕金森病、阿尔茨海默病、亨廷顿病、小血管病等常见的神经系统疾病，会导致认知功能和运动功能障碍，严重威胁我国人口健康，神经功能评价则是神经系统疾病早期预警和临床诊断的主要手段。
　　田丰告诉记者，临床上主要是通过各种量表、测试、问卷调查，如简易智能状态检查、蒙特利尔认知检查等方法对病人的神经功能进行评价，但这些方法依赖于专业医疗设备和医疗人员，成本较高，无法作为日常健康评价手段。
　　不仅如此，由于神经系统类疾病发病机制复杂、检查步骤繁琐、医疗费用昂贵，因此尚未有普及、有效的治疗方案。同时，由于神经系统结构和功能的复杂性，这些方法无法对检测关键要素进行全程数据存储和定量分析，受评价者主观判断影响较大。
　　“神经科医生评价一个人的神经功能，往往比较主观，比如有的医生认为患者达到了四级肌力，但换一个医生评估的结果可能就会有差异。”北京协和医院神经科主任医师朱以诚在接受《中国科学报》采访时说。
　　为此，田丰带领团队从2011年开始就与北京协和医院合作，将自然人机交互技术与神经系统疾病临床诊断方法相结合，研制出多模态自然人机交互神经系统疾病辅助诊断工具。
　　在自然人机交互这种新一代的人机交互方式下，人类可以使用触觉、手势、语音、肢体、生理信号与计算机自然对话。在自然人机交互系统中，用户能够高效地从计算机中获取信息，同时，计算机也能对用户予以准确的感知与理解。
　　田丰表示，相比于传统检查方法，该工具可以实现神经功能评价的定量化，在所有检查中保持唯一标准，不会受到医生主观评价差异的影响，并且给出定量而非定性的评价指标。
　　朱以诚也表示，神经功能能够用一个量化的值来描述，这对于临床具有非常重要的意义。比如，医生可以通过准确的数据结果，判断患者用药前后运动功能的变化，从而分析患者病情是否好转或者恶化。
　　不仅如此，该工具还提供多模态支持，通过上肢运动、语音、步态运动、生理信号、眼动信号等多种交互技术感知病人不同方面可能存在的运动和认知问题，对其进行综合评价；同时也提供自然隐式检查支持，通过合理的交互任务设计，能够将相关技术融入病人日常生活当中，在病人使用勺子、水杯等家居用品时，或者使用手机进行文字输入、观看图片过程中对其进行神经功能评价。
　　“在自然人机交互技术的帮助下，除了计算、存储等传统计算机能力外，计算系统还具有强感知能力、多通道能力与自然性等特点，可以弥补传统神经功能评价方法存在的不足。”田丰指出，与人工诊断相比，通过分析生理信息的计算机辅助诊断系统可以降低主观因素对诊断结果的影响，有利于疾病的诊断以及早期预警，对于提升神经系统疾病患者的存活率有着重要的意义。
　　诸多问题待解
　　目前，该套系统已经在北京协和医院、湘雅医院、天津医科大学总医院、大连第三人民医院等国内大型三甲医院得到应用，并获得相关部门的认可，在国家农村心脑血管疾病危险因素调查、缺血性脑卒中长程随访等重大任务中也发挥着重要作用。
　　田丰提供的数据显示，目前，基于该工具已收集神经系统疾病临床病例5226人，累计进行医学临床检查约2万多次，建立了包括手写、语音、步态、抓握、生理、影像等在内的医学数据库，为临床辅助诊断提供了技术基础。
　　基于该成果，中国科学院软件研究所与中国医学科学院北京协和医院共同获得了2018年度国家科技进步奖二等奖、2015年度北京市科学技术奖一等奖。目前，美国波士顿大学正在与协和医院和中科院软件所洽谈合作事宜。
　　但是，对于人机交互用于神经系统疾病的诊断，未来仍有诸多问题亟待解决。田丰坦言，目前虽然已经研制出了许多关键技术工具，但这些技术工具对于神经系统疾病评价参数仍没有形成医学行业标准，导致评估体系不健全、评价结果通用性差等问题，未来需要扩大该工具的数据采集范围，推进相关参数标准的普及。
　　他还指出，要抓紧构建云端融合的交互式神经功能评价模型，形成集医院、家庭、移动设备于一体的通用多通道评价和辅助诊断平台，并进一步拓宽该类技术在全国以至世界范围内关键医学研究以及重大医疗保健任务中的应用，为未来神经系统疾病的临床诊断与治疗带来技术突破和产业革新。
　　朱以诚则表示，该工具目前评估的核心主要集中在肢体的运动功能上。她建议未来还应该增加认知功能的评估。在检查的方法建议进一步拓展到日常生活中，比如让患者在日常生活中通过手机完成触屏的动作或者语音，以此来实现运动功能或神经功能的定量评估。
　　田丰也指出，隐式神经系统疾病评价机制和技术仍需要加强。“虽然现在已经具备了一些隐式评价技术，但仍主要处于实验室阶段，真正地部署于病人家中或者移动及可穿戴场景里，在交互任务设计、数据无监督采集、数据可靠性与真实性验证方面仍存在重大挑战。”
　　（原载于《中国科学报》 2019-09-02 第6版 医药健康)