雷锋网按：美国时间2月5日，Empatica公司的AI手环产品Embrace获得了美国食品和药物管理局(FDA)批准，该设备利用机器学习等技术，通过皮肤来检测和提醒患者和看护人癫痫症发作，并持续追踪发病时间和频率。
作为一款明星可穿戴医疗设备，Embrace早在2014年就已被国内广大医疗和科技爱好者所熟知。当时Embrace发起了一项众筹活动，10万美元的目标众筹额，仅一天时间便完成。
然而很多人有所不知，Embrace的发明者正是大名鼎鼎的MIT Media Lab情感计算研究部创始人Rosalind Picard，Picard长期从事计算机视觉、机器学习、脑神经科学、人机交互的交叉研究，著作的《Affective Computing》开创了计算机科学和人工智能学科中的新分支——“情感计算”，Picard也随之被人称作“情感计算之母”。
雷锋网AI掘金志记者2017年有幸在旧金山AAAI会议中，遇到了这位殿堂级人工智能学术专家，并对她的讲话内容进行全程记录。（详细内容请阅读文章下半部分：《Rosalind Picard医疗AI产品研究自述》，国内独家）
2017年4月，Embrace在欧洲被批准为癫痫监测与警报医疗设备。直到昨日，才正式通过美国FDA的审批。
雷锋网了解到，在Embrace临床试验中，来自各地区的135名患者在传统癫痫监测装置上进行了持续监测，与此同时，患者也佩戴了Embrace。
经过长达272天的检测，其中至少有2/3的癫痫病学家依据“金标准”对视频脑电数据进行了临床检验，期间患者总共有40次全身强直性痉挛发作，随后核对完Embrace设备的数据后发现检测准确率高达100%。
众所周知，泛发性强直痉挛发作会致使意识丧失，并在一段时间后使人处于神志不清状态。
常规情况下，临床试验须依赖患者在发作时做报告记录，但这一过程问题诸多，据悉，超过40%的危险泛发性强直痉挛发作没有做报告记录，而采用Embrace检测的发作报告则更加便捷且准确。
手环还会立即向看护人发出警报，在需要的时候提供帮助。
Embrace检测流程如下：
1.发作检测：设备不断通过传感器收集患者的生理数据，然后利用机器学习对数据进行实时分析，检测异常症状发作。
2.警报调度：警报应用程序通过蓝牙连接到手环设备，并在Embrace检测到癫痫发作时自动激活。应用程序将使用智能手机的蜂窝数据或Wi-Fi连接发送警报通知（短信和电话）给您的看护者。
3.看护者警报：Embrace警报系统同时会通知患者的看护人员，看护者只需有手机信号的手机即可接收这些通知，非智能机也适配。
过去几十年来，癫痫研究领域一直在等待一个便携易用的生物标志物替代佩戴脑电图(EEG)供患者在医院外使用。
全球最权威的癫痫专家之一、纽约大学综合癫痫中心主任Orrin Devinsky，在他35年的职业生涯中已经看到了传统检测系统的种种缺点，使得每年有3000多名美国人因为没有及时发现和治疗，死于癫痫猝死(SUDEP)。他指出FDA批准了Embrace是治疗癫痫病的重要里程碑事件，它能够实时提醒患者的家属和看护人，从而降低癫痫猝死事件的发生率。
Embrace与其他癫痫检测系统不同，它可以测量癫痫发作的多个指标，包含皮电反应(EDA)，EDA是“应激反应”研究人员用来量化与交感神经系统活动相关的生理变化信号，也被称为“战斗或逃跑反应”（机体经一系列的神经和腺体反应将被引发应激，使躯体做好防御、挣扎或者逃跑的准备）。
人体自主神经系统分为交感神经和副交感神经。
当人感到兴奋，或者一些重要的事情正在发生或即将发生时，交感神经兴奋会随之增加。生理和心理上的应激反应也会增加。而在癫痫发作时，兴奋性会显著增加。
皮肤是唯一一个完全由交感神经系统支配的器官(不受副交感神经活动的影响)。通过监测皮肤表面细微的电变化，可以观察到交感神经兴奋性的增加。
心率变化是由交感神经和副交感神经活动引起。对副交感神经系统兴奋或迷走神经张力预估，可以通过提取心率变异性的高频分量来实现。
当杏仁核或海马体被激活时，它们会在身体的同一侧引起皮肤传导。
在左侧刺激四个大脑区域，右边四个区域(深度电极)，在同一侧产生巨大的皮肤电导。此外，如果癫痫发作强烈刺激杏仁核，它可能导致较大的皮电反应和窒息情况。
MIT媒体实验室情感计算研究部负责人、Empatica首席科学家Rosalind Picard感叹道，把这项技术从实验室迁移到一个易用、便捷的传感器上具有非常重大的医学意义：
这是一段非常漫长的旅程——多年来我们一直致力于构建可穿戴应激反应的和情感传感器，在偶然中发现，机器可以通过皮肤的变化来检测最危险的癫痫发作和相关大脑活动。
其实早在2008年，她就发现可以使用腕带测量皮肤电传导的方式来追踪自闭症孩子的应激反应水平。那么近10年来，她做了哪些努力使得这项实验室里的技术被FDA批准，欢迎阅读雷锋网AI掘金志独家出品的Rosalind Picard自述：
当我与一个患孤独症的年轻女士做实验时，她与我说话时很紧张，于是打字对我说：“Ros，你做得不对。你读别人的情绪，对我来说并不是问题，但你读不到我的。”当时我感到有些受伤，因为这是我赖以谋生的工作。
但她继续说：“并不只是你，所有人都体会不到我的情绪。”
我就说：“大家为什么会体察不出对方的情绪？我们没能从你身上读出的情感是什么？或者，我们读错了什么？”她说：”你们感觉不到我的紧张、焦虑。”
我意识到，很多人在高度紧张、心头沉重时，或许其焦虑情绪马上就要爆发，但他自己却没意识到，而是把自己内心关闭，与周遭分隔开。再比如中学里某老师对一个的男孩说道：“起来！做点正事去”，虽然只是很普通的话。但小男孩情绪却瞬间崩溃了，因为他刚被学校开除。如果老师能正确解读这个小男孩的情绪，就能避免类似情况发生。
多年前我们开始做大量情绪检测实验的时候，把这看作是一般性的情绪激动信号，但后来证明它比我们想象的远远更丰富有趣。对于检测出汗的手掌的技术，过去我们称之为“galvanic skin response”，如今一般更科学、严谨地称为“electrodermal activity”（EDA，皮肤电活动），测量皮肤的电导系数（conductance）和微摩尔（micromole）。
在麻省理工的 Media Lab，我们着手开发具有这项技术的设备，让测试者七天 24 小时佩戴，监测其数据，希望为情绪崩溃等情绪变化提供线索。Empatica 有两个已经商业化的产品：E4 智能手表推出已经有一年，专为研究人员收集测试者收据。它已被认证为医疗设备，能收集符合临床要求的数据；另外还有 Embrace 智能手环。
E4 智能手表
我们的兴趣在于，获取能让我们读取自主神经系统（autonomic nerve system）两大分支（“sympathetic division” 和 “parasympathetic division”）的数据，它们能呈现出紧张、“fight or flight”（打还是跑）和“rest and digest”（休息、消化）反应。收集的两大信号会实时传输到移动设备，你能看到皮肤电活动、微摩尔、脉搏（需要按住智能手表），脉搏又可用来计算心率。
除这两大分支（sympathetic，parasympathetic）以外，自主神经系统还有第三个分支：enteric。它很有意思，但现在我们还没有测量的好办法。人脑有数亿个神经元，在人睡眠时会进行无数有趣的活动、还有各种很酷的学习迹象，所以人脑智能研究的成果非常值得期待。但现在的研究重心是逃跑反应（flight response）和 parasympathetic 分支的“休息、消化”。前者通过皮肤来监测，后者则通常是观察心率图谱中的高频波段。
由于很多研究有自闭症参与，我们经常受到要求，开发他们这一群体易于使用的产品。举个例子，我们研究团队是世界首个利用普通摄像头、计算机视觉技术、时间序列分析（time series analysis）、分解法（decomposition），无需人体接触而根据测试者脸色（雷锋网注：心跳快慢影响面部血液流动，产生面部颜色变化）来读取心率和呼吸频率的算法。
最近，我们在尝试根据你随身携带的物品（例如口袋里的智能手机），读取心率和呼吸频率，而无需佩戴任何设备。我们把该技术的精确率与业界的“黄金标准”——专业医疗呼吸传感器和 ECG 心率检测设备对比，以下是受试者在不同姿势下的平均误差：
医疗级的手指脉搏传感器（戴在受试者手指）误差在 4 心率/分钟左右，而我们的技术平均误差几乎全部在 4 以下，因而可说是十分准确。对于习惯把手机放在手提包里的人们，如果手提包与人体接触有限，仅仅用手提着，误差会稍稍大一些；但如果手提包紧贴于身侧，还是非常精确的。另外，如果你手持智能手机，无论是注视屏幕或是举着它接听电话，监测结果都非常精确。但如果你用手指不停点击屏幕、执行触摸操作，误差会变大，这倒在意料之中。大家请等我们的好消息——未来会推出能监测心率和呼吸频率的手机 app，而不需要专门的传感器。
关于 parasympathetic 和心率监测到此为止了，这次讲座剩下的部分将聚焦于 EDA 和电导系数。首先，当下的研究阶段对我来说十分关键——这是我第一次看到测试者七天 24 小时不间断的皮肤电导系数数据，目前测试者全是 MIT 的学生。图中每一行代表着一天。EDA 在实验室工作时段（图中用黄色表示）升高在我们预料之中，这是由于学术交流、认知负荷、情绪负荷、高难度的 MIT 学习和研究（非常难、需要全神贯注的作业）。看电视时 EDA 很低。令人惊讶的是（学生的）社交活动很少，这就是 MIT 的生活（笑）。社交时 EDA 小幅上升，但不及实验室时段。当你只是听别人讲话时，EDA 较低，但当你讲话时，它会上升。
最大的惊讶来自于睡觉时段：这期间的皮肤电活动比一天中其他时段都要高。不仅 MIT 学生如此，普通人也是这般。我们对此提出了许多研究问题，也发表了许多论文，在这里，我只想指出一点：我们想知道 EDA、EEG （脑电波监测装置，戴在受试者头部） 和 ACC 各自、以及它们之间组合而成的特征，是否都能反映出睡眠时段的大脑活动高峰期。大家都知道，睡眠让人脑子更好使——当一个人学了些新东西然后去睡觉，睡醒后进行测试往往成绩更好。
于是我们进行了标准的记忆巩固、学习、睡眠实验，把睡眠后比睡眠前提升最大的受试者，和提升幅度最小、甚至没有提升抑或降低的受试者进行对比测试。我们创建了一个二元分类器，来看看是否能够使用这些特征，把两组受试者区分出来。迄今为止所发现的最佳特征是六个智能体（agents）的特征，利用六个很简单的机器学习模型进行特征测试。如图所示，我们看到在一组实验中紫色所代表的测试（EDA+ACC）；其它所有实验中红色所代表的测试（EDA），最能辨别出睡眠时的大脑高峰活动。
细想之下，这其实很让人惊讶：为什么手腕上的汗水分泌，会和大脑中的学习活动相关？为什么 EEG 的效果不如它？
当我们成功开发出汗液分析腕带（配有皮肤电导系数传感器，能够七天 24 小时运行）之后，很多人上门借取，用于各种研究。有一天，实验室里的一名本科生对我说：“教授 Picard，我的弟弟不能说话，他有孤独症，我很想知道到底是什么事让他这么紧张？我能借一个智能腕带在圣诞假期时给我弟弟用吗？拜托了！”我回答道：“当然可以，别只拿一个，带走两个吧。”
之后，我开始在办公室电脑上查看这个小男孩的数据。第一天很正常，虽然男孩因为不喜欢双手的腕带而尖叫，觉得累赘。第二天也很正常，是个放松的假日。但在第三天，异变发生了：一只腕带的指数突然飙得极高，而另一只腕带却没有反应。我以为传感器一定是坏了，怎么可能身体一侧感到紧张、焦虑，另一侧却没有？我仔细查看数据，两个传感装置在这前后一切正常，任何异样。我试图找到问题所在，但沮丧地一无所获，不得不破例给我假期中的学生打电话。学生说，那刚好是他弟弟癫痫大发作前 20 分钟。
雷锋网按：这件事令 Rosalind Picard 异常震惊，一度以为是传感器故障，这是因为：
脑电波在癫痫发作前产生预兆性的异常活动闻所未闻，若证实，将是医学上的突破性发现；
癫痫只在身体一侧产生异常反应，亦匪夷所思。
为解开这两个谜题， Rosalind Picard 求证于某儿童医院的癫痫脑外科医生，该医生在从医生涯中的确遇到过癫痫发作前在身体一侧产生生理反应的病例，但医学上尚未有合理解释。于是两人展开研究，在癫痫患者身上进行 EEG、EDA 监测。实验结果证实，所有患者均在癫痫发作时才产生异常脑电波、皮肤电活动（雷锋网注：小男孩的皮肤电异常，应为无痉挛症状的癫痫发作）。另外，研究发现，由于大脑中许多组织成对出现，当只有其中一个受到异常脑电波刺激，身体另一侧的皮肤会产生异常皮肤电活动（举个例子，若右侧脑组织接受异常刺激，人体左侧皮肤会有异常电活动，反之亦然）。
癫痫发作时的脑电波异常
在此这些都不是主要成果，Rosalind Picard 等另外揭开了一个重大研究发现：当 EEG 传感器检测到测试者脑电波活动停止时（癫痫猝死症（SUDEP）症状，大脑活动完全停止，导致患者呼吸停止），停止的时间越长，死亡的风险就越大，但同时，EDA 检测到的皮肤电指数就越高。
癫痫猝死症时，大脑活动停止
简而言之，皮肤电活动指数能准确监测癫痫猝死症。该发现意义深远——这代表着，若癫痫患者随身佩戴 EDA 传感设备，一旦癫痫猝死症发作，系统就能立刻通知其他人，予以救援。顺便说一句，癫痫猝死症的死亡率在神经系统疾病中仅次于中风，排在第二名，超过阿兹海默症（注：民间常做老年痴呆症）；但当它发作，癫痫者昏迷时，外界及时干预具有非常高的成功救活几率。许多不必要的死亡，其实是癫痫猝死症未能及时发现。
因此，Rosalind Picard 和她的同事推出了智能腕带 Embrace，内置 EDA 模块，能准确监测癫痫患者的状态。Embrace 已获得欧盟的医疗设备认证，并正在申请美国的许可。
Embrace
Embrace 发布之后，Rosalind Picard 收到一个患者家庭的感谢信。事情是这样的：该家庭的妈妈给患有癫痫的女儿买了 Embrace，24 小时佩戴。出事时，妈妈正在家里洗澡，但她的智能手机突然发出 Embrace 发来的警报。她拿起手机看了一下，不确实是否该相信，但犹豫一下后就冲出浴室，发现女儿脸朝下趴在地面上，呼吸停止，脸色变成了蓝紫色。她把女儿翻过来，实施简单的刺激，女儿重新开始呼吸，脸色慢慢变红。她十分感谢 Embrace 救了女儿一命。
我们正在做一些更具深远意义的事情。
在美国15-44岁的人群中，重度抑郁症是造成残疾的主因。下面是 CDC 搜集的横跨15年的数据，反映出一个非常严肃的社会趋势：
在 1999-2014 年间，美国自杀率增长了 24%
45-64 岁白人男性人群自杀率上升 59%
45-64 岁白人女性人群自杀率上升 80%
5-14 岁年轻女孩自杀率翻了三倍
抑郁症不仅在美国，在全世界范围内都将成为人类的重大生存威胁：发展中国家的自杀率更高且仍在增长。
WHO （世卫组织）的预测是：
到 2020 年，每 20 秒就有一人自杀。
而到 2030 年，抑郁将超越癌症、交通事故、战争和中风，成为人类死亡和残疾的首要诱因。
当然这个数据只是预测，我们不希望这成为现实。所以在麻省理工的 MediaLab，我们在思考：“为什么不开发一些预防措施呢？”今天，我们已经能很容易地从手机、可穿戴等设备里获得情绪焦虑数据、睡眠数据、社交数据和其它情绪数据。我们每年从参与研究的用户身上，搜集超过 10 亿样本数据，包括睡眠波、运动、光照（lightning exposure）、自主神经系统焦虑、发信息行为、打电话行为、地理位置、社交网络互动 、移动出行等等数据。
结合机器学习技术进行因果推理，我们或许能预测情绪变化。如果我们能预测出部分心情变化，那么就能避免一些对自己不利的事，提高生活品质。举个例子，当你工作到凌晨，不确定是要去睡觉，还是多花点时间把工作完成。机器学习算法可根据过去的数据，推算出如果你熬夜工作，第二天身体状态会很不好、心情很差的概率，再根据推算结果给出建议。
但现在的数据规模还远远不够，需收集更多。若有了足够的数据，如果我们能为每个城市做天气预报，为什么不能给每个人做心情预报？如此一来，我们或许能帮助很多人避免一些焦虑、抑郁情绪，甚至是抑郁症。目前抑郁症治疗的主要障碍是诊断：不少患者从来没有去医院看过医生，绝大多数人只在情况变得严重时才看医生。很多人直到被家人、朋友拽去医院神经科才意识到自己出现了问题。
如果我们能通过机器学习技术分析数据，提供早期预警呢？如果我们能通过及早发现、采取措施，预防 80% 的抑郁症呢？
得到预警之后，人们可以及时处理导致其抑郁状态的导火索，避免病情恶化；然后通过一系列社交、运动、睡眠、饮食、焦虑来改善生理、精神状态。这是我的研究小组正着手挑战的难题之一，这会是一个长期的研究课题。
更多内容，请关注雷锋网旗下只报道“AI+传统”的公众号：AI掘金志
正在生成分享图...
吴优