什么是"智能算法"

　　在医疗领域中，“大数据”、“人工智能”、“智能算法”，这些“时髦”的词汇“火”了很多年，但是，“赶时髦”的企业、产品也很多。今天，我们来聊一聊，智能算法，到底是暖心还是鸡肋?如何落地?如何更好的运用智能算法服务于临床?

　　“智能算法”对于大多数外行而言，是一个“不明觉厉”的词语，“百科”、“知乎”、“简书”大神们的释义让人们更难理解，简言之，“智能算法”就是让计算机像人脑一样去分析数据。

　　如何理解"aEEG智能算法"

　　除了医学影像，智能算法在脑电数据处理方面运用也较为广泛，例如剔除脑电伪差，识别惊厥波形，振幅整合脑电图(amplitude integrated electroencephalogram，aEEG)是一种简易的脑电监测方法，因操作简单，受环境干扰少，判读容易，可长时床旁连续监测，使其成为新生儿重症监护病房日常监护的一部分。在分析 aEEG 特征，判读aEEG图形时，利用智能算法机器学习进行 aEEG 图像分析处理，辅助临床进行判读。

　　通过“aEEG背景活动分类智能算法”，带大家进一步学习理解。我们通过判读aEEG背景活动分类，帮助明确新生儿是否存在脑损伤及其严重程度，筛选治疗方案，预测预后等。根据Hellstrom-Westas的aEEG背景活动五分类法，我们依据图形上下边界的振幅，对其进行分类，例如：下边界大于5uv，上边界大于10uv，是连续正常电压，代表图形正常。

　　在此基础上，我们通过智能算法，用五种颜色标识五种背景分类，例如刚才提到的连续正常电压，我们用绿色标识，智能算法辅助临床进行判读，我们从记忆分类方法变成记忆颜色。

　　如何看待算法准确性

　　既然是算法，临床的运用必然要考量准确性，难有100%准确的算法，像人脑一样去分析，毕竟不是人脑，即使人脑，也难以100%准确。如果算法的准确性超越80%以上的临床初学者(学习并开展aEEG监测半年的医护人员)，这样的算法就有存在的价值和意义。

　　如何准确运用"aEEG智能算法"

　　如何运用“aEEG智能算法”，只有在特定的环境和操作要求下，才能准确运用智能算法，如果我们采集了3个小时的脑电数据，因为电极没贴好，采集的都是环境干扰和伪差，基于错误的数据进行分析，无法得到准确的算法结果。举个例子，品牌车型的“自动泊车”功能，顾名思义，自动泊车就是不用人工干预，自动停车入位。自动泊车也是一种智能算法，基于环境数据进行分析处理给出相应指令，实现自动泊车需要一定的环境和要求，包括车辆以低于30km/h的车速经过车位，行驶位置距离车位0.5-1.5m等等。同理，“aEEG智能算法”基于准确的电极贴放操作，基于良好的阻抗维持，基于尽可能识别和避免伪差，才能准确运用于临床。

　　哪些医护人员需运用"aEEG智能算法"

　　也许，经验丰富的临床医护人员并不依赖于“aEEG智能算法”，但是，对于床旁的护士和护工，对于初学者，从记忆分类方法变成记忆颜色，看到提示中度及重度异常的红色和黄色，及时通知经验丰富的临床医生进行确认，及早干预和治疗。

　　“aEEG智能算法”还包括睡眠觉醒周期智能算法，惊厥智能算法，暴发抑制智能算法，以及正在开发中的伪差智能算法，伪差智能算法能够帮助临床自动识别心电，脉搏，肌电，高频呼吸机干扰，50Hz工频干扰等临床常见的规律性波形的伪差，伪差智能算法的开发，同时也能提升其他智能算法的准确性。类似于我们现在是L2级自动驾驶，如果在有很多行人和电动车不遵守交通规则的情况下就会出问题;未来是L5级自动驾驶，能够处理任何突发事件。

　　所以，“aEEG智能算法”的持续开发和优化是长期而长远的一件事!