徐如祥教授

擅長腦癱、小兒腦癱、腦發育遲緩、智力低下以及重型腦損傷、腦與脊髓神經損害的治療，榮獲國家科技進步二等獎。

人工智慧對醫學的影響有目共睹，“人工智慧不能替代醫生，但懂人工智慧的醫生會替代不懂人工智慧的醫生”。但是，當前絕大部分研究和應用都集中在輔助醫生檢測影像中肉眼可見的病灶，關注在如何讓醫生能更快速更自動地診斷。雖然這提高了病灶檢測效率和精度，減少了人為操作的誤判率，但是從本質上講並沒有提供新的醫學及影像學資訊。因此，人工智慧在醫學中面臨的更具挑戰性的問題和機遇是如何將人工智慧與疾病相關的各種“組學”融合，提供未知的有關疾病的生物學內在關聯資訊，從而提高人類對疾病本身的理解和診治能力。基於以上對人工智慧在醫學中作用的判斷，中國科學院自動化研究所和陸軍總醫院在這個方向上進行了多年的努力和探索，將“腦網路組學”與人工智慧方法結合，建立了全新的慢性意識障礙預後預測模型，利用該模型預測意識障礙患者能否恢復意識的準確率高達88%。該方法的有效性在來自兩家醫院三套不同的資料集上得到了驗證。該研究成果於2018年8月發表在國際刊物eLife上。慢性意識障礙患者俗稱“植物人”。我國目前約有因腦外傷、腦卒中、缺氧性腦病等導致的慢性意識障礙患者50餘萬名，每年新增7～10萬名，給家庭和社會帶來巨大精神痛苦和沉重經濟負擔。對病人意識恢復可能的預測，將直接影響臨床治療策略的選擇，甚至是親屬對病人生死去留的抉擇。但是，目前臨床對病人的預後判斷完全依賴醫生根據臨床觀察和個人經驗做出，主觀性較強，易受多種因素干擾，對預後的誤判可能導致嚴重後果。近20年來，學術界一直在探索不同模態和水平的預後早期預測模型，包括行為監測、神經電生理、腦影像、生理/生化指標等，但準確度不高，敏感性和特異性較低。

中國科學院自動化研究所模式識別國家重點實驗室和腦網路組研究中心，聯合陸軍總醫院和廣州總醫院組成聯合攻關團隊，在基於病因、年齡和病程作為重要預測指標的基礎上，使用基於腦功能磁共振影像的患者腦功能網路特徵，結合機器學習相關演算法，構建了一個計算模型預測患者一年之後恢復意識的可能性，準確率達到了88%，更為重要的是成功預測了多例醫生臨床最初判定恢復無望而最終恢復意識的病人。該研究與目前大部分人工智慧在醫學診斷應用研究的區別在於，它提供了醫生目前未知的意識障礙有關的腦網路資訊，從而增強了對病人預後預測的能力。具體地說，該研究使用腦功能磁共振影像，首先檢測了病人腦功能網路的活動模式和腦功能連線，然後再結合機器學習進行預測模型的建立。由於腦功能網路活動模式和腦功能連線是醫生肉眼無法直接檢測的，計算模型發現的對預測結果起到重要作用的腦連線提示了它們與意識障礙的關聯性，所以該項研究的結果為理解意識障礙疾病的神經機制提供了一個新線索。

雖然該項研究在兩家醫院的三套資料集100多名病人上得到了驗證，但是仍然需要更大規模的研究來確認模型的有效性和可靠性。如果進一步研究證實該模型確實有效，就有可能直接幫助醫生和患者家人更好地規劃和管理“植物人”的治療和護理，發揮重要的社會價值。為了推動人工智慧和腦網路組等領域的方法和技術在意識障礙領域的多學科交叉研究，自動化所和陸軍總醫院共同發起成立了中國神經科學學會意識與意識障礙分會，該分會彙集了臨床和基礎醫學、生物學和資訊學領域的專家，共同研究意識障礙的基礎與臨床面臨的挑戰，逐步闡明意識與意識障礙的神經機制，最終使更多意識障礙患者和家庭受益。