基于以上對人工智能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“腦網絡組學”與人工智能方法結合，建立了全新的慢性意識障礙預后預測模型，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數據集上得到了驗證。該研究成果于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余萬名，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后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，對預后的誤判可能導致嚴重后果。近20年來，學術界一直在探索不同模態和水平的預后早期預測模型，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絡組研究中心，聯合陸軍總醫院和廣州總醫院組成聯合攻關團隊，在基于病因、年齡和病程作為重要預測指標的基礎上，使用基于腦功能磁共振影像的患者腦功能網絡特征，結合機器學習相關算法，構建了一個計算模型預測患者一年之后恢復意識的可能性，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能在醫學診斷應用研究的區別在于，它提供了醫生目前未知的意識障礙有關的腦網絡信息，從而增強了對病人預后預測的能力。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絡的活動模式和腦功能連接，然后再結合機器學習進行預測模型的建立。由于腦功能網絡活動模式和腦功能連接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接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數據集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。
為了推動人工智能和腦網絡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，該分會匯集了臨床和基礎醫學、生物學和信息學領域的專家，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。
自動化所腦網絡組中心宋明和蔣田仔分別是論文第一和通訊作者，陸軍總醫院楊藝和徐如祥分別是論文共同第一和通訊作者。該研究的主要完成人還包括陸軍總醫院教授何江弘以及廣州總醫院和自動化所腦網絡組中心的多名醫生和科研人員。
京公網安備 11010502049343號