国内AI医疗研究新成果：AI助力抑郁症与肠胃健康诊断

MIT计算机科学与人工智能实验室（CSAIL）教授Dr. David P. L. Sontag这样评价AI医疗："人工智能能够帮助我们从海量的健康数据中提取有价值的洞察，大幅提高医疗资源的效率，最终使全球更多人受益。"在这个AI互联万物的时代，国内外均在如火如荼的开展AI在医疗领域的研究。本文将重点介绍2024年国内两个具有代表性的AI医疗创新成果--上海交通大学团队在抑郁症早期诊断中的应用，以及华中科技大学在胶囊内窥镜图像拼接方面的突破。

成果一：AI助力心理健康管理，开创智能抑郁症初诊新模式

传统的抑郁症诊断方法依赖于患者的主观报告以及医生的临床判断，这一过程不仅容易受到情感偏差的影响，而且通常无法实现早期干预。对此，上海交通大学团队利用1,300多份抑郁症问诊对话数据训练大规模的语言模型，构建了一个可以模拟医生问诊过程的智能对话系统AMC (Agent Mental Clinic)。

根据团队发表的题为《Depression Diagnosis Dialogue Simulation: Self-improving Psychiatrist with Tertiary Memory》论文所述，AMC系统的核心是通过大模型对话模拟精神科医生与潜在抑郁症患者的问诊过程，进而进行初步筛查。

AMC系统采用三层记忆存储结构（对话历史、电子病历、总结技能）来实现精准的诊断和动态优化。通过与患者进行多轮对话，逐步收集症状信息，并利用ICD-11标准进行抑郁症诊断。此外系统还能模拟精神科医生和患者的问诊，在对话过程中实时更新病历，并根据数据集提供的问诊对话进行训练。

在实验中，AMC系统的指导员插件实时监控医患对话并提供下一步对话建议，帮助医生优化诊断。对话时，系统的记忆检索机制能够根据对话历史和患者状态，自动调取最相关的信息，提升诊断准确性。例如，当系统识别到自杀倾向时，会优先调取相关预警信息进行处理。

通过对D4数据集（包含1,339段问诊对话）的测试，研究团队验证了AMC系统的有效性。实验表明，加入三层记忆结构后，系统的诊断准确率有了显著提升。在抑郁症诊断方面，系统的准确率提高了15%，在自杀倾向预测方面，准确率高达85%。【1】

AMC系统基于大量的真实世界问诊数据，模仿医生的问诊逻辑。不仅能够诊断出抑郁症的症状，还能根据患者的个性化情况提供适合的治疗建议。目前，AI心理诊所已经在抑郁症的初步筛查中取得了显著成绩，未来随着数据积累与算法的优化，类似的AI系统将会在更多心理疾病的诊断与治疗中发挥重要作用。

成果二：AI打破肠胃疾病早期诊断的技术壁垒

胶囊内窥镜作为一种先进的无创诊断技术，能够通过吞服胶囊摄像头，实时采集胃肠道的图像。然而，由于内窥镜图像的特殊性及其高维度，传统的图像拼接方法难以有效整合所有图像信息，从而影响了诊断效果。华中科技大学的研究团队通过开发自监督学习模型--S2P-Matching，成功解决了这一问题。

团队在已将论文《S2P-Matching: Self-supervised Patch-based Matching Using Transformer for Capsule Endoscopic Images Stitching》发表于国际顶尖生物医学工程领域期刊 《IEEE Transactions on Biomedical Engineering》。

S2P-Matching的核心原理可以分为以下几个步骤：首先进行数据增强与视角模拟，让AI模型能够适应胶囊内窥镜在肠胃道内不同的拍摄角度和位置，接着进行特征提取与自监督对比学习使用一种双分支编码器结构，分别提取图像补丁和背景补丁的特征。这些特征会被连接起来，形成深度特征描述符，为后续的图像匹配提供基础。

随后进行Patch级匹配与像素级精细化，扩展模型的感受野，有效地识别和匹配图像中的补丁。通过Patch-to-Pixel方法，将匹配精度细化到像素级别，确保图像拼接的准确性。最后，匹配点过滤与精确对齐。为了确保拼接结果的准确性，S2P-Matching采用了MAGSAC算法来过滤错误匹配点。MAGSAC算法通过迭代优化，剔除不符合匹配规则的点，进一步提升了图像拼接的精度。

经过对比实验，S2P-Matching表现出了显著的优势。在实际的胶囊内窥镜图像拼接中，S2P-Matching的匹配正确率提升了187.9%，而拼接成功率也提升了55.8%。这些提升的关键在于其解决了胶囊内窥镜图像中的弱纹理、近距离拍摄和大角度旋转等问题。【2】

随着S2P-Matching技术的应用范围不断扩大，这一技术将在改变肠胃疾病的筛查与治疗。将胶囊内窥镜技术与AI的图像拼接与分析技术相结合，能够实现更早期的胃肠疾病筛查，特别是胃癌、肠癌等恶性肿瘤的早期发现。

此外，随着技术的不断进步，类似的AI应用将不仅限于胃肠道，还可以推广到其他内窥镜检查领域，例如呼吸道、泌尿系统等，从而为更多疾病的早期筛查和治疗提供智能化的技术支持。

参考文献：

【1】Lan, K., Jin, B., Zhu, Z., Chen, S., Zhang, S., Zhu, K. Q., & Wu, M. (2024). Depression diagnosis dialogue simulation: Self-improving psychiatrist with tertiary memory. arXiv. https://doi.org/10.48550/arXiv.2409.15084

【2】Lu, F., Zhou, D., Chen, H., Liu, S., Ling, X., & Zhu, L. (2024). S2P-Matching: Self-supervised Patch-based Matching Using Transformer for Capsule Endoscopic Images Stitching. IEEE Transactions on Biomedical Engineering, early access, 1-12. https://doi.org/10.1109/TBME.2024.3462502

打赏