当前位置: 首页 人工智能 人工智能在眩晕领域的应用展望

人工智能在眩晕领域的应用展望

人工智能(artificial Intelligence)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。头晕和眩晕是临床上最常见的症状之一,影响了15%~35%的人群某一时间段内的生活,眩晕及其伴随症状严重影响个人的生活和工作,并且可能导致焦虑、抑郁等精神问题的发生,严重的中枢性眩晕甚至危及患者生命。眩晕涉及多系统、多部位,极大多数眩晕的病因都不清楚,目前辅助检查的特异性不强,定位不够精准以及医生认识不足,其诊断多是在排除了其他可能的原因后基于临床症状和体征的组合所做出的临床诊断。人工智能在眩晕领域内的应用,能在一定程度上辅助临床医生的诊断,提高诊治水平和减少眩晕疾病的危害。孙燕唐等1990年报道通过人工智能方法和PROLOG语言编制了一个计算机辅助诊断的专家系统,王宁宇、王会等分别对人工智能在眩晕病因鉴别诊断中的应用、眩晕疾病专家系统进行了综述。本文进一步展望人工智能在电子病历(EMR)系统、临床研究等方面的应用。

     EMR系统

            

EMR是指医务人员在医疗活动中,通过医院信息系统生成的文字、符号、影像等数字化信息,并能实现存储、管理、传输和重现等功能的医疗记录,是病历的一种记录形式;而EMR系统是指医院内部支持EMR信息的计算机信息系统。完善的眩晕疾病EMR系统能够更加方便和全面地提供患者临床诊疗和研究表型的数据,基于EMR的大数据则通过人工智能进一步分析,因此建立完善的EMR系统是实现人工智能在眩晕疾病诊治和临床研究中应用的前提。

EMR主观资料的录入包括结构化或半结构化录入和自然语言录入。结构化数据输入需要预先制作带有结构化数据元素数的临床文档模板,以主诉中“眩晕”为例,在眩晕前加可选择项目如反复发作、持续性、位置性等,后期对EMR结构化输出。自然语言输入是指医师在不必改变既往纸质病历习惯的情况下完成病历书写,后期借助后台关键词或结构化临床数据元素知识库自动分析需要结构化的关键词等而实现病历的后结构化。

眩晕疾病作为一种专科疾病,涉及非常多的专业术语,如查体中自发性眼震、凝视性眼震等术语以及相关结果的描述,这要求构建眩晕疾病医学术语集。Bárány学会、中华医学会耳鼻咽喉头颈外科学分会等专业组织发布的共识文件、诊断指南则能很好地提供支持。Bárány学会先后发布“前庭症状分类”和“前庭体征分类”的共识文件,EMR系统应规范化记录前庭症状和体征,如查体部分包含耳部查体、眼动测试、甩头试验、静动态平衡试验、位置试验等。同时,Bárány学会、中华医学会耳鼻咽喉头颈外科学分会等发布多篇关于BPPV、梅尼埃病、前庭性偏头痛、前庭阵发症、双侧前庭病等诊断标准,其中眩晕发作的时间特征、眩晕、听力和耳鸣的评价等核心内容需纳入。

   前庭检查技术价值和EMR系统录入


近年来,一批新的前庭检查技术陆续涌现并应用于临床,为眩晕疾病的诊断、鉴别诊断、治疗策略选择、功能评价和预后评估提供了更多手段。前庭检查技术可以辅助眩晕疾病的定位、定量和定性。定位方面包括:①外周性和中枢性眩晕鉴别:这是眩晕疾病诊断的最基本要求,所有眩晕疾病的定位诊断始于问诊,贯穿于疾病的诊治全过程,结合眼动测试、前庭眼反射和前庭脊髓反射的测试,辅助完成病变的外周或中枢定位;②不同系统间定位:前庭系统、本体感觉系统、视觉系统均参与姿势稳定,感觉整合试验可以通过消除视觉、本体感觉或两者对平衡的维持能力,从而分别评价前庭觉、视觉和本体感觉对维持平衡的贡献,对不同感觉传入系统受损部位进行定位并评价前庭代偿的状态;③外周前庭系统内定位:综合各类前庭功能检查技术可以对每侧2个囊斑和3个半规管及相应神经进行精准定位评价。

前庭功能检查结果是眩晕疾病的诊断和鉴别诊断不可或缺的一部分,同样也是EMR系统不可或缺的一部分。前庭检查结果可以手工录入,如温度试验单侧减弱、优势偏向和固视指数等。未来的方法应该是接口录入,通过各种前庭检查设备的数字化接口,将各种前庭检查结果整合到EMR系统中。前庭检查设备检查结果的数字化和相关数据接口的开发需要信息专家、眩晕专家等人员联合攻关,以实现前庭检查数据的自动化录入。

   眩晕疾病的专家系统


基于人工神经网络技术及医疗大数据挖掘的医疗专家系统(expert system)是人工智能的重要分支,1990年孙燕唐等报道开发了一个眩晕症计算机辅助诊断的专家系统,但未见后续应用报道。2018年王会等对眩晕疾病专家系统进行了综述。已经报道应用的眩晕方面专家系统包括VertigoCarruselONE等。这些专家系统的建立非常早,已经不能反映人工智能技术和眩晕疾病领域的进展,因此有必要建立更加先进的专家系统,其前提仍然是基于完善的EMR数据库和大量的临床研究结果。

  人工智能助力眩晕疾病的临床研究


人工智能助力前庭疾病分类和EMR 数据结构化。我们曾通过回顾病历对急性前庭综合征进行人工分类,当病例数达到千例以上时,人工疾病的分类方法已无法实现。病历中的症状学和体征数据同样也需要通过人工智能使急性前庭综合征病史各项指标以表格形式呈现并进行分析,这将极大节约时间,提高效率。

病历报告表(CRF)可以由EMR系统自动输入。CRF是临床试验中临床资料的记录方式,用以记录所有受试者在试验过程中的数据。常规的输入方法为手工填写,其缺点为耗时、易出错、需要再次转换电子表格等。吴硕琳等报道将CRF表格内容与EMR系统相结合,实现CRF表格自动生成,极大地节约了人力成本,避免了填写纸质或电子CRF表格的误录问题。程海霞等报道通过系统各功能模块与医院现有HISLISPACS等系统的整合,可以从医院现有信息系统中自动采集研究所需要的数据,这种输入方法使数据收集完整、及时、规范,同时大大节约了人力和物力。CRFEMR系统直接录入的方式在眩晕疾病临床研究中尚未报道,但这将是未来CRF表格的先进输入方式。

   BPPV智能诊治系统


BPPV是最为常见的外周前庭疾病,Bárány学会、中华医学会耳鼻咽喉头颈外科学分会先后制定了BPPV诊断标准或指南。BPPV 的诊断要点包括3个方面:①典型病史;②位置试验诱发与测试半规管兴奋性改变相一致的特征性眼震;③除外诊断。

国内外已有数家BPPV转椅复位系统,目前采用的模式为先人工诊断,然后通过软件实现转椅控制,按固有的程序完成复位过程。理想的模式是通过人工智能技术对病史信息和位置试验眼震数据进行自动分析,完成智能诊断,在此基础上选择合理的复位方案,自动完成复位。

临床研究结果也会促进人工智能技术在眩晕领域中的应用。我们的前期研究表明,BPPV诊断的金标准即位置试验诱发的眼震极其复杂,如一侧出现顺(逆)时针伴垂直向上成份的眼震(典型后半规管表现),另外一侧可以为无眼震、与患侧相同方向的顺(逆)时针伴垂直向上成份或下跳性眼震。同样,前庭性偏头痛患者也可以表现为位置性眩晕和位置性眼震。这些复杂的眼震形式在诊断和鉴别诊断BPPV中的价值需要进一步研究,而这些研究结果也是BPPV智能诊断的依据。

   小   结


近年来,眩晕疾病的基础和临床研究都取得了很大进展,人类对前庭疾病的认识不断加深;然而我们对于眩晕疾病的认识可能仅为冰山一角,未知远大于已知。人工智能技术与眩晕疾病、设备研发的各方面的融合将极大地促进眩晕疾病的临床研究,促进新的诊治技术的出现,同时提高眩晕疾病诊疗效果和降低医疗成本,最终使眩晕患者受益。

版权属于:阿劝

原文地址:http://78soft.com/article/38781.html

转载时必须以链接形式注明原始出处及本声明。

猜你喜欢

最热文章

热门标签