东京医科齿科大学的藤田浩二讲师等开发出了使用智能手机相机高精度地分辨由脊髓被骨头等压迫而引发的“颈髓症”的技术。该技术通过利用人工智能（AI）技术中的机器学习，分析患者手部和手指的特征性动作进行识别，精度可达到90%。目标是作为能够实现疾病早期发现的技术投入实际应用。
该技术是与庆应义塾大学共同开发的。在新方法中，受检者首先与常规的颈髓症检查相同，在10秒内，尽可能快地重复手部张开及并拢的动作，并用智能手机拍摄记录这一过程，然后使用美国谷歌公司开发的解析手部动作的算法“MediaPipe Hands”进行分析。该算法将自动推定指尖和关节等21个部位的位置，并掌握其动作。
拍摄时的场景。将手放在智能手机镜头内，并快速重复张开和并拢动作（供图：东京医科齿科大学讲师藤田浩二）
研究团队对约20名颈髓症患者和约20名非颈髓症患者进行了拍摄和分析。让AI学习其中的一部分，并根据剩余数据判断是否存在症状。结果表明，将患者正确识别为患者的灵敏度约为90%，将非患者识别为非患者的特异度也达到90%的高精度。并且在一定程度上可预测疾病的严重程度。
藤田讲师等人在2021年发表了使用检测手部动作的传感器辨别颈髓症机制的报告，但灵敏度为80%，特异度为60%，数值相对较低。藤田讲师表示：“可以预测此次得出高精度结果背后的原因是算法精度的提高。”
颈髓症患者会出现很难做出中指到小指的三根手指并拢及伸展等动作的症状。也有一些医生认为大拇指的运动具有特征性。据预测，AI可以根据上述疾病特有的动作识别患者。
通过分析的算法推定指尖、关节等21个部位的位置（供图：东京医科齿科大学讲师藤田浩二）
颈髓症是指颈椎内部的脊髓受到压迫而引起的疾病。主要表现为颈椎和椎间盘因年龄增长而变形，压迫脊髓的“脊髓型颈椎病”，会出现手指活动困难、四肢麻木等症状。有时下肢也会出现走路不稳等症状。该疾病在50岁以上的男性中较为常见，据估计每10万人中就有数名需要治疗的患者。
患者因跌倒造成脊髓损伤等严重并发症的风险很高。在症状较轻时进行手术的话效果会更好，但在很多情况下患者早期并没有自觉症状，患者并不一定能接受专业医生的治疗。
应用本次开发的技术将使得筛查疑似患有该疾病的人变得更加容易。藤田讲师表示：“目前的精度已经足够了”。同时也设想了提高严重程度的预测精度，根据症状匹配到合适的医院等活用方法。今后，研究团队计划进一步研究是否可以与另一种导致手部麻木的疾病“腕管综合症”区分开来。
日文：尾崎达也、《日经产业新闻》、2023/6/19
中文：JST客观日本编辑部
