東京醫科齒科大學的藤田浩二講師等開發出了使用智慧型手機相飛機高度精度地分辨由脊髓被骨頭等壓迫而引發的「頸髓症」的技術。該技術透過利用人工智慧（AI）技術中的機器學習，分析患者手部和手指的特徵性動作進行識別，精度可達到90%。目標是作爲能夠實施疾病早期發現的技術投入實際應用。
該技術是與慶應義塾大學共同開發的。在新方法中，受檢者首先與常規的頸髓症檢查相同，在10秒内，儘可能快地重複手部張開及併攏的動作，並用智慧型手機拍攝記錄這一程序，然後使用美國谷歌公司開發的解析手部動作的演算法「MediaPipe Hands」進行分析。該演算法將自動推定指尖和關節等21個部位的位置，並掌握其動作。
拍攝時的場景。將手放在智慧型手機鏡頭内，並快速重複張開和併攏動作（供圖：東京醫科齒科大學講師藤田浩二）
研究團隊對約20名頸髓症患者和約20名非頸髓症患者進行了拍攝和分析。讓AI學習其中的一部分，並根據剩餘資料判斷是否存在病徵。結果表明，將患者正確識別爲患者的靈敏度約爲90%，將非患者識別爲非患者的特異度也達到90%的高精度。並且在一定程度上可預測疾病的嚴重程度。
藤田講師等人在2021年發表了使用檢測手部動作的感測器辨別頸髓症機制的報告，但靈敏度爲80%，特異度爲60%，數值相對較低。藤田講師表示：「可以預測此次得出高精度結果背後的終極因數是演算法精度的提高。」
頸髓症患者會出現很難做出中指到小指的三根手指併攏及伸展等動作的病徵。也有一些醫學家認爲大拇指的運動具有特徵性。據預測，AI可以根據上述疾病特有的動作識別患者。
透過分析的演算法推定指尖、關節等21個部位的位置（供圖：東京醫科齒科大學講師藤田浩二）
頸髓症是指頸椎内部的脊髓受到壓迫而引起的疾病。主要表現爲頸椎和椎間盤因年齡增長而變形，壓迫脊髓的「脊髓型頸椎病」，會出現手指活動困難、四肢麻木等病徵。有時下肢也會出現走路不穩等病徵。該疾病在50歲以上的男性中較爲常見，據估計每10萬人中就有數名需要冶癒的患者。
患者因跌倒造成脊髓傷害等嚴重併發症的風險很高。在病徵較輕時進行手術的話效果會更好，但在很多情況下患者早期並沒有自覺病徵，患者並不一定能接受專業醫學家的冶癒。
應用本次開發的技術將使得篩檢疑似患有該疾病的人變得更加容易。藤田講師表示：「目前的精度已經足夠了」。同時也設想了提高嚴重程度的預測精度，根據病徵配對分組到合適的醫院等活用方法。今後，研究團隊計劃進一步研究是否可以與另一種導致手部麻木的疾病「腕隧道症候群」區分開來。
日文：尾崎達也、《日經產業新聞》、2023/6/19
中文：JST客觀日本編輯部
