僅僅是圖像上的識別就能帶來如此巨大的變化，那么從今年開始，計算資源的提升讓AI開始越來越多地進入視頻領域，對視頻的智能化分析，在醫(yī)療上又會造成哪些影響？

用視頻分析帕金森?。靠赡軟]你想象的那么神奇

實際上在AI分析視頻進行智能輔助診療上，已經(jīng)出現(xiàn)了相關的應用案例。幾個月前，騰訊醫(yī)療人工智能實驗室推出了一項名為“帕金森病運動功能智能評估系統(tǒng)”的帕金森病AI輔助診斷新技術。患者按照帕金森評判標準完成動作并拍攝視頻，評估系統(tǒng)就可以通過動作的完成度，幫助醫(yī)生用3分鐘來判斷患者是否患有帕金森癥，而醫(yī)生單獨進行診療時，需要大量的溝通和30分鐘左右肉眼觀察。

用戶不需要佩戴復雜的傳感器，僅僅利用普通手機攝像頭就可以完成拍攝。在家庭、養(yǎng)老院等等場景中就能完成遠程診斷，極大的提升了帕金森診斷的便利性和效率。

當然，AI分析視頻對于帕金森的輔助診斷目前來說還只是個例。原因在于，國際上對于帕金森的診斷有一套嚴格的標準，名為UPDRS（統(tǒng)一帕金森病評定量表）。其中關于動作部分有著很嚴格的標準，比如站立做起時的靈活度、手部動作靜止時的震顫程度等等。

也就說，帕金森是一種可以“被結構化”的疾病。如何從視覺方面判斷疾病，有著非常明晰的標準。而這種可格式化的疾病是非常少見的，我們不能通過人的動作判斷感冒發(fā)燒，也不能用動作判斷出扭傷骨骼。

所以說，目前這種通過動作分析進行智能輔診的應用范圍還是略窄的。

讓人無感的視頻智能分析，或許會讓急救醫(yī)療挽救更多生命

但討論視頻智能分析之于醫(yī)療的應用價值，并不能單獨針對某一種疾病討論。從效率和成本上來講，醫(yī)療視頻智能分析很難勝于單純的圖像分析。畢竟大部分可觀測的疾病看的是靜態(tài)的表征而不是動態(tài)。例如皮膚的創(chuàng)口紅腫，明明通過拍張照片甚至幾句描述就能判斷，何必要錄一段視頻呢？

但視頻這種介質(zhì)則有一個圖像不具備的特點，那就是存在的“無感性”。我們生活中隨處都有視頻監(jiān)控的存在，但我們已經(jīng)習慣了生活在這種記錄中。這樣一來，視頻智能分析診療可以化醫(yī)療從被動到主動。

主動的醫(yī)療，就是我們在感到身體不適時會尋醫(yī)問藥、去醫(yī)院、使用移動醫(yī)療App。但很多時候，我們沒有選擇主動去進行醫(yī)治，甚至來不及去醫(yī)治。尤其是一些突發(fā)性的疾病，如果身邊沒人發(fā)現(xiàn)，很可能在不知不覺間就對患者造成了無法挽回的損失。

但結合攝像頭的存在和對視頻的智能化分析，很可能改變這種狀況。例如在養(yǎng)老院這種場景中，如果老人在周圍無人的情況下突發(fā)昏厥，視頻分析可以精準識別并且發(fā)出警報。甚至可以通過對昏厥整個流程的分析，判斷出基本的疾病方向，例如摔倒可能導致的腦部損傷和身體骨折，或者捂住胸口可能心臟疾病，從而更好的進行救治，不會出現(xiàn)因為患者昏厥而無法了解疾病狀況的狀況。

在空巢家庭越來越普及的今天，這種通過對視頻智能分析而連接急救醫(yī)療的系統(tǒng)帶來的不僅僅是經(jīng)濟效益，更多的還有對人生命的保障。

難以推行的視頻急救醫(yī)療，在AI的前路上等你

而推行這種急救醫(yī)療系統(tǒng)，也面臨著不小的問題。

首先就是識別模型的訓練。與醫(yī)療影像這種有著細致數(shù)據(jù)的模型不同，需要急救的緊急狀況本來就是模糊的。我們常?？吹叫侣務f，有人在公眾場合感到身體不適，坐下稍作休息后就離開人世。很多狀況人類都無法看出異樣，AI是否也會束手無力呢？更重要的問題時，精準的模型訓練往往依賴大量數(shù)據(jù)訓練?？杉本柔t(yī)療這種狀況本身很難留下數(shù)據(jù)——否則也不會造成那么多悲劇了。

其次就是隱私的邊界。視頻智能分析起效的前提，很可能就是無處不在的攝像頭。我們能夠接受公共場合的攝像頭，是因為信任整個國家的監(jiān)控體系。但私人場合中的攝像頭應該由哪一方推行，用戶要如何信任供應商，數(shù)據(jù)的應用如何受到監(jiān)督，都是難以解決的問題。

最后還有算力的限制。和一般的AI應用不同，視頻智能化的急救醫(yī)療本身就在于“急”。很多AI應用可以等到數(shù)據(jù)上傳到云端，再返回計算結果。可急救醫(yī)療承受不起這其中的風險：有人打王者榮耀導致網(wǎng)速慢了、電力系統(tǒng)突然跳閘導致沒網(wǎng)了……這些突發(fā)狀況不僅僅性命攸關，更會帶來難以分辨的追責問題——室友下載電影占用網(wǎng)速導致我暈厥時沒有被視頻急救系統(tǒng)準確識別，最終我因病暴斃，室友需要為我的死負責嗎？

其實這樣看來，視頻智能分析之于急救醫(yī)療應用，所要面對的問題和當前AI技術的發(fā)展是一樣的：發(fā)展小數(shù)據(jù)甚至無數(shù)據(jù)學習，在盡可能少的數(shù)據(jù)下訓練更精準的模型；本地計算，盡量提升本地算力并且收斂神經(jīng)網(wǎng)絡模型，讓數(shù)據(jù)的分析在本地進行以提升計算速度和保護數(shù)據(jù)的安全。

這也說明了一個問題，AI不僅僅應該生長在適應自身的土壤中，用大量可供分析的興趣數(shù)據(jù)促使商家多賣出幾件商品，或是為某一篇文章增加一點點擊量。那些需要技術突破的鹽堿地之中，或許能夠捕捉到商業(yè)之上的更多價值。