分析能力是人工智能医疗器械的核心，其底层基础算法主要包括知识图谱、机器学习、深度学习和隐私计算等。其中，知识图谱是以结构化的形式描述客观世界中概念、实体及其之间的关系，可以对医疗数据进行统一建模、组织和管理；机器学习利用已有的医疗数据进行算法选择，并基于算法和数据构建模型，最终对新的医疗数据作出决定或预测；深度学习通过学习医疗数据样本的内在规律和表示层次，并在学习过程中获得对医疗数据进行解释的信息，最终使机器具有识别能力、分析能力和决策能力；隐私计算是指在多个主体间不直接共享样本数据的情况下实现合作处理，医疗数据的处理需要使用和收集大量的用户信息，隐私计算则在一定程度上保护了患者的隐私。

技术方向可分为计算机视觉、语音处理、自然语言处理和数据分析等。由于技术发展所处的阶段不同，不同技术方向的成熟度也不同。计算机视觉技术通过对影像进行智能处理以获得影像中的信息，由于医学影像数据的标准化程度相对较高，且传统医学图像处理也有多年的技术积累，因此最为成熟。语音处理和自然语言处理技术以语言为对象进行分析、理解和处理，在日常生活中应用较为广泛，相应算法也较为成熟，但由于此类技术在医疗场景下的数据基础较为薄弱，没有形成规模化的知识库与语料库，因此成熟度相对较差。数据分析技术是通过对大量数据进行分析总结，最大化开发数据功能，发挥数据作用，更多地被应用于前沿领域，逐步趋于成熟。

各个技术方向被逐步细化应用于不同的技术场景。计算机视觉技术可以对患者的病理影像进行目标检出、判别分类等处理，主要应用于病灶识别、疾病分类等场景，辅助医生诊断，提高诊疗效率和准确率。语音处理、自然语言处理技术可以对患者的语言进行智能处理，主要应用于语音识别、语音理解和语义识别等场景，协助医生管理，节省医疗资源。数据分析技术被更多地用于靶点发现、病症筛查等场景，提高疾病筛查效率。

(资料图片)

随着人工智能技术的发展和底层算法的不断更新，人工智能医疗器械分析技术的能力不断提高，应用范围逐步扩大。

分析模式从机械替代向思考决策转变

机械替代是通过对医疗数据进行简单的预处理，输出简单的处理结果；决策思考则是在机械替代的基础上增加了对处理结果的判断和诊断。分析技术应用初期主要集中于基本生产环节，对医疗数据进行预处理和特征提取。其中，预处理模块聚焦于对批量医疗数据进行自动标注、目标增强、数据清洗等；特征提取模块则聚焦于对批量医疗影像的纹理、颜色、信号幅值等特征进行提取，其实际应用有通过对宫颈组织病理影像进行处理标注出癌变部位、通过处理大量基因组数据进行突变基因检测。

随着算法的更新优化，分析技术的应用逐步扩展到后期诊疗环节，完成机械替代作用的同时实现思考决策。即通过对医疗数据的预处理或特征提取结果进行良恶判断，给出分诊建议，提供治疗方案规划，引导手术定位等。人工智能医疗器械的分析模式正在从机械替代向思考决策转变，标志着人工智能技术在医疗行业中的应用逐步走深，从基础边缘场景向核心关键任务演进。

多模态融合交互进一步提升分析能力

在人工智能医疗器械中，多模态融合交互处理是指将多种医疗信息与数据同时处理并得出一个更加准确的结果。随着各类医疗器械的成熟应用，可获取的客观医疗数据越来越多，同一个患者运用不同设备检查，可能会得出不同的检查结果。但是早期由于算力等限制，利用分析技术对医疗数据进行处理时，会根据特定的任务选择一种数据模态，随着算法、算力等优化，多模态融合交互被逐步应用于对医疗数据进行处理。

多模态融合交互技术分为多模态融合技术和多模态交互技术。多模态融合技术是将来自不同模态的医疗信息进行整合，以得到一致、公共的模型输出，提高输出结果的准确性和全面性。如结合脑电图、脑磁图和脑部的功能磁共振成像图像三种模态数据，可以实现对患者脑部的高时空分辨率分析，弥补单模态数据可能存在的信息缺损，提高临床决策水平。多模态交互技术则是充分模拟人与人之间的信息交换，利用语音、图像、文本等多模态信息进行人与计算机之间的信息交换。如高分辨传感器会在手术中提供更即时的信息反馈和人机交互过程，提高设备自适应与智能化水平。

情绪识别将成为分析技术的热点方向

初期的分析技术主要被用于提高诊疗效率，缓解就诊压力，因此更多集中于对医疗数据进行分析判断，包括医学影像、生理信号和患者病历等。随着人们对情绪和精神状态的关注程度日益提高，针对情绪、情感、精神状态等方面的分析识别成为热点方向。人的情绪是对客观事物的态度体验和相应的行为反应，是一种有意识或无意识的情况感知触发的心理生理过程，具有很强主观性。情绪的表现与干预对于部分疾病的诊断和治疗有着重要作用，例如对于注意力缺陷、自闭症等认知障碍类疾病以及抑郁症、创伤后应激障碍等精神类疾病而言，精确地分析计算情绪并进行实时的回应反馈，对患者日常生活与康复预后具有重要意义。

情绪识别技术可通过非侵入脑机接口以及外在行为表现共同感知情绪状态，针对部分患者存在的社交与交流障碍，进行基于大脑实时信号的精准闭环干预和评测，通过视听反馈促进神经可塑性，提高社交脑功能，提升行为训练的效果。目前，用于情绪识别的人工智能技术在医疗领域的研究尚处于起步阶段，但随着人们对情绪、精神、认知等疾病的关注度逐渐提高，情绪识别将成为分析技术的热点方向。

（摘编自人工智能医疗器械创新合作平台智能化医疗器械产业发展研究工作组牵头编写的《人工智能医疗器械产业发展白皮书》）