“这跟我们的基因有关”，谈到为何选择阿尔茨海默症（AD）作为AI落地的主要场景时，雅森科技CEO陈晖这样说道。
近几年来，行业内涌现出了很多AI医疗公司，其中很多都选择以肺结节筛查作为切入点。陈晖认为这是有迹可循的。
“大多数AI+医疗创业公司采用的都是深度学习算法，先有了算法再找落地场景，所以会选择空间分辨率和发病率比较高的肺癌作为切入点。”陈晖说道。
而创立于2006年的雅森科技，是一家致力于通过脑影像和核医学设备做病情智能分析的企业。核医学影像主要是用于癫痫、帕金森氏症、嗜睡等脑部疾病的诊断和分析。阿尔茨海默症也是脑部疾病之一，因此雅森科技涉足阿尔茨海默症诊断是很顺理成章的事情。
阿尔茨海默症的早期诊断十分困难
阿尔茨海默症在患病早期是可以干预的，但检测却相对困难。全球各地的研究人员都在开发尽早检测阿尔茨海默症的方法。越早检测出这种病症，患者就越有机会提早寻求治疗，减缓病情的影响，并有足够的时间来处理好个人法律和财务状况。
雅森科技研发总监杨士霆向雷锋网介绍，诊断阿尔茨海默症的主要难点在于影像看不清，早期症状难以把握，靠单一的影像和病理不容易做到长期预测。
阿尔茨海默症的传统诊断方式主要有以下几种：
一、心理量表评估。神经内科医生会通过心理量表询问患者的近期生活环境等，评估其认知功能是否出现了衰退。
二、核磁影像。检查患者大脑的影像结构是否已经开始出现萎缩和变化。
三、通过脑电图和心跳的长期监控和分析，判断病人是否出现了认知功能和大脑信号上的变化。
此外还有比较先进的核医学、PET等手段，可以检查大脑的代谢情况，判断大脑的某些区域是否出现了代谢下降。
阿尔茨海默症的患病周期十分漫长，可能长达8-10年。医生基于单一时间点的数据只能做出这个病人当前有没有患阿尔茨海默症的判断。此外，阿尔茨海默症涉及的层面非常广，帕金森氏症等其他脑部疾病也有可能引发其早期症状。因此，对患者进行长期跟踪十分重要。
但阿尔茨海默症的诊断十分耗时耗力。以量表评估为例，量表评估时通常需要神经内科医生和心理评估师同时在场，评估耗时约2-3小时。此外，医生还需要花很多时间对病人的情况进行讨论评估。综合下来，一位医生每天能够诊断的病人可能只有两到三例。时间成本很高，而且服务的病人数量有限。
在和医院长期合作的过程中，雅森科技发现了神经内科对尽早诊断阿尔茨海默症和提高诊断效率的强烈需求。这成了雅森科技布局阿尔茨海默症诊断的重要驱动力之一。
多模态分析提高诊断效力
陈晖向雷锋网(公众号：雷锋网)介绍，阿尔茨海默症诊断所用到的人工智能和相关算法的复杂程度要远远超过肺结节的识别。
他说道：“目前市场上大多数做肺结节识别的公司，采用的都是同一套算法，基于TensorFlow或其他开开源机器学习平台做降维调参。而且他们做的不是整个肺癌疾病的诊断，而是肺癌诊断中的影像识别部分，主要针对6mm以上的肺结节识别。现有的深度学习算法并没有办法超越医院，解决小于6mm的肺结节的快速识别和诊断。而且对于肺癌诊断来说，影像对确诊所占的比重有限，还要去看肿瘤标记物、代谢影像和病理结果等。”
单独看核磁、脑电图和量表数据也很难诊断阿尔茨海默症，因此雅森科技采用了多模态的分析方法。
过去十年，中国医院信息化发展非常快，一些二线城市医院信息化的水平和集中程度之高超乎想象。过去十年的CT数据、PET数据、生物电讯号、超声等一系列多种多样的数据有非常大的沉淀。但是这些沉淀的数据很多没有发挥自己的价值。
陈晖认为，医院沉淀了这么多类型的数据，这些数据是可以综合应用到临床检查与治疗的。
雅森科技采用了三方面的数据来做阿尔茨海默症诊断的机器学习模型，这些数据包括核磁数据、脑电数据和量表数据。基于这三个数据打造的多模态神经网络训练模型，可以提前两三年预测老年痴呆病发的可能性以及确认病情发展的阶段。换言之，雅森科技的阿尔茨海默症诊断产品已经超越了单个医生，可以真正做到疾病的诊断和预测。
数据采集是最大的挑战
机器学习依赖于海量的数据，数据稀缺是制约AI技术落地医疗产业的一大瓶颈。
据悉，雅森科技目前已经和协和医院、宣武医院、北大人民医院、中日友好医院等十几家医院和相关机构达成了战略合作，由后者向其供给数据。双方主要以共同做横向课题研发的方式进行合作，签订的横向课题研发协议必须经过医院的伦理审查，而后雅森科技才能对数据进行整理和使用，保证了数据的安全性。
陈晖介绍，雅森科技早期拥有的数据量（含5年随访和完整病例）大概在700-1000例，现在通过和协和医院的合作，有望在短期内将数据量提高到2000-3000例。
“阿尔茨海默症和肺结节等疾病的数据收集不太一样。阿尔茨海默症是一种退化型疾病，需要对患者进行长期跟踪和数据采集。这些资料我们都长期追踪了至少5年以上。我们每年都要对跟踪的病人重新做随访，包括量表、核磁影像、PET影像、脑电图等都要重新评估。这个过程中我们投入的人力、资源和成本远远超过了市场上大多数做肺结节研究的企业。”杨士霆补充道。
数据采集的一大难点在于，患者的配合度比较低。对于早期患者，医生诊断出他有患病风险后，由于不会对日常生活造成影响，他往往觉得自己没病。当医院再次要求他接受检查时，他往往会拒绝。
后期患者的情况则更麻烦，因为患者的病情恶化速度非常快。“有一个80多岁的老太太，前一年刚诊断出阿尔茨海默症，第二年就去世了”。说到这里，杨士霆语气中充满了惋惜。
现有数据已足够支撑产品研发
杨士霆认为，虽然雅森科技拥有的数据量看起来并不大，但已经足够支撑产品的研发了，并且已经达到了较高的水准。
“在我们的能力范围内，当然希望收集到尽可能多的数据。但从其他一些团队公布的资料来看，他们拥有的数据量也才不过100多例。”
比如不久前，意大利的研究人员宣布开发了一种算法，可以在阿尔茨海默症症状出现前10年，发现大脑中的微小结构变化。他们用于训练人工智能的核磁共振扫描图不过才67张——38例来自阿尔茨海默症患者，29例来自健康人士。据悉，研究人员将扫描分为小区域，并让他们的人工智能分析神经元之间的连接。训练完成后，他们用这种人工智能对148名受试者的大脑扫描图进行了测试。受试者中有48人患有轻度认知障碍，最终会形成阿尔茨海默症。这次测试中，该算法检测出轻度认知障碍的成功率达到了84%。
“我们从2008年就开始了数据采集工作，相比很多大型研究机构，我们掌握的数据已经非常齐全了。”杨士霆说道。
临床实验反推产品迭代
AI医疗产品的开发和临床应用之间往往存在一定的差异。目前，雅森科技的阿尔茨海默症诊断产品已经在协和医院经历了半年左右的临床实验，陈晖也对雷锋网分享了自己的感触。
他说道：“产品开发和临床应用之间最大的差异不是医生是否认可你的检查流程和方法，而是临床医生收集数据的标准和针对的对象都不完美。医生是否按照规定收集量表，是否严格按照质控标准进行核磁扫描，影像噪声是不是过大，都会影响到产品的使用效果。”
陈晖表示，理论上来说，所有能够按照质控标准收集数据的医院都可以采用雅森科技的阿尔茨海默症诊断产品，不过短期内的主要用户还是地区级的三甲医院。
为了进一步加速产品落地，雅森科技正在做许多新的尝试和努力。“为了实现我们的产品真正意义上落地，雅森科技将为医院提供一项质控服务。也就是说，我们的产品落地在哪个医院，这个医院就必须按照我们提供的标准收集原始数据。只有这样，我们的产品才能真正发挥作用。”
发现问题之余，雅森科技的阿尔茨海默症诊断产品也受到了不少医生的肯定和好评。
陈晖表示，神经内科和核医学科的医生使用过雅森科技的阿尔茨海默症诊断产品后，都反馈使用效果良好。而且他们在使用过程中提出了很多建设性意见，比如增加一些新的数据源。陈晖透露，雅森科技目前正在和协和医院的医生讨论，是否需要录制一段病人的语音，将其回答问题的语音起伏和迟疑时间作为他是否患有失智症和轻度认知障碍的参考。
陈晖还介绍道，除了合作医院，很多高端体检中心和从事老年病筛查诊治工作的机构也对雅森科技的阿尔茨海默症诊断方案表现出了强烈的兴趣。
