原標題：“扭住不放”破難題

北京宣武醫院、上海國家兒童醫學中心、杭州第七人民醫院……春節前夕，北京航空航天大學生物與醫學工程學院副教授汪待發依然在四處奔波。他應邀前往各地醫院，談合作、看病例、講技術、解難題。

一位高?？蒲腥藛T，緣何如此受醫院系統歡迎？原因在于汪待發領銜的北航技術團隊，研發出了全球首個獲得醫療器械注冊證的超100通道近紅外腦功能成像裝備，以及基于近紅外腦功能成像技術建立了疾病智能診療模型。

“一直以來，對于心理疾病和心身疾病的評估和診斷，始終缺乏客觀的生物學指標?！敝腥A醫學會心身醫學分會主任委員、東南大學附屬中大醫院心身醫學科教授袁勇貴介紹，“近紅外腦功能成像技術的應用，很好地填補了這方面的空白?！?/p>

黑頭發成為“攔路虎”

“誰能想到，亞洲人的黑頭發竟然成為第一個‘攔路虎’?！闭勂鸲嗄陙硌邪l近紅外腦功能成像技術的過程，汪待發告訴科技日報記者。

自然狀態下大腦活動的高分辨成像一直是世界難題，近紅外腦功能成像裝備被認為是解決這一難題的有效手段。這種裝備可以記錄人們走路、開車、演奏樂器、交談和玩游戲等不同狀態下的大腦活動，也可用于研究兒童、幽閉恐懼癥患者和其他難以接受磁共振成像設備掃描的人群。

這種被譽為“戴在頭上的功能核磁”的裝備，此前主要由國外壟斷，單價高達數百萬元人民幣。然而，如此昂貴的裝備，卻不能解決亞洲人黑色頭發覆蓋區域（頂葉、枕葉等）成像的難題。

“歐美人大多是黃頭發，而亞洲人是黑頭發，黑色吸收的光更多，所以同樣強度的光源打到腦部，歐美人和我們的吸收強度差1000倍?！蓖舸l對記者說。

為破解這一難題，國內外許多研究團隊都在努力，但進展都不大。汪待發從本科起就參與相關研究，一直到博士畢業，他所在的課題組也未獲突破。

“積累了近十年，放棄太可惜了?！蓖舸l回憶道，“后來，我來到北航生物與醫學工程學院，在樊瑜波、李德玉等血流動力學分析和高精密傳感專家的幫助下，繼續探索不同的技術路徑?！?/p>

“從0到1”的突破，總是伴隨著“在希望和絕望中煎熬”的經歷。

“讓人哭笑不得的是，每次找到一個新方法，在自己身上試驗沒問題，數據出來我特別高興。但換另一個人來就不行了?！蓖舸l笑稱，“可能是因為我的頭骨比較薄或者頭發稀少吧。到后期，我就不拿自己來做試驗了。”

最終，歷經數百次的試驗、挫折和迭代驗證，汪待發帶領研發團隊，靠一種突破物理極限的近紅外超微光探測技術和獨創的信號提取技術，攻克了亞洲人黑色頭發覆蓋區域成像難的瓶頸，實現了全腦成像的重大突破。

分辨率提升數量級

2016年，依托北航校地合作平臺孵化，汪待發團隊創立了丹陽慧創醫療設備有限公司（以下簡稱“慧創醫療”）?！敖涍^3年努力，我們將近紅外腦功能成像裝備推到臨床，實現了本領域高端自主裝備零的突破?！被蹌撫t療研發負責人付其軍說。

研發團隊的腳步沒有停止。他們的下一個目標，是提高近紅外腦功能成像精度，讓拍出來的“照片”更清晰。

“人們對于看得更清楚的追求是無止境的?！备镀滠娬f，近紅外腦功能成像技術優點突出，但缺點也很明顯，“它的精度只能達到3厘米左右，而功能核磁的精度是3毫米，差了一個數量級?！?/p>

“行業內專家一直想把近紅外腦功能成像精度提高到功能核磁的級別?！蓖舸l說，他在讀博期間就開始嘗試解決這個問題，“當時采用基于光的傳輸原理來構建模型，但怎么都搞不定。”

事實上，全球范圍內也沒有科學家搞定。幾年后，人工智能和深度學習技術的發展，為解決這一難題帶來曙光。

“我們敏銳地意識到引入深度學習是個方向，但最初大家都不知道怎么用?！蓖舸l坦言，“有一陣我們嘗試放棄傳統模型，重新搞一套基于深度學習的模型，失敗了?！?/p>

經歷無數次嘗試后，他們找到了一條全新路徑——將基于神經網絡的圖像重建框架和模型，與傳統物理模型相結合。

“光學傳播物理模型可以描述近紅外光在動態散射介質中傳播的變化規律，再通過神經網絡的自適應學習，我們有效地將這種變化規律轉變為圖像重建的規則和方法?！蓖舸l解釋道。

利用這一技術，研發團隊將近紅外腦功能成像的空間分辨能力提升至5毫米左右。

新模型看懂影像圖

將成像裝備改造成一個能彌補功能核磁不足，且具備同等成像精度的“小能手”后，研發團隊還想打造一個“聰明的系統”，以便快速讀懂影像。

醫生拿起影像一看，大概就能判斷出病癥——這是人們司空見慣的畫面。而其背后，是影像與疾病關聯的知識體系。

近紅外腦功能成像技術是一種新的技術，它輸出的是一種全新的影像，該如何解讀？哪類影像是失眠癥、抑郁癥、孤獨癥的表現？藥物治療效果又如何？

“我們想構建一個模型，能幫助醫生分析影像信息，支撐疾病的診斷、分型、療效評估等臨床全周期應用。”慧創醫療軟件開發負責人鄧皓這樣介紹研發的初衷。

“基于目標和數據構建模型是關鍵，我們只有目標，卻沒有數據?！编囸┱f，“以孤獨癥為例，首先要確定研究病人哪些狀態下的大腦活動、采集哪些維度的數據?！?/p>

擅長寫代碼卻對疾病不甚了解的軟件開發人員，只能一頭扎進論文堆和醫院，不停地琢磨、學習、請教，摸索著前行。

與此同時，團隊先后與數十家臨床機構建立合作關系，先后收集了數萬例動態腦功能數據。

此時，另一個難題出現了——如何建立數據和疾病之間的關系。

“最開始，我們的做法‘簡單粗暴’，就是直接照搬X光片、核磁等影像領域成熟的機器學習模型?！备镀滠娬f。

但現實很快撲滅了他們的預想——已有算法并不適配近紅外腦功能成像技術，模型沒有辦法準確捕捉到與疾病關聯的特征數據。

“我們只好轉變思路，回歸到近紅外技術本身，研究它獨特的基于神經血管耦合本質的信號規律，對思維的動態數據進行預處理、清洗、映射、整合，提取時域頻域多維度的特征，再融合到類腦人工智能模型中。”鄧皓說，“就這樣不厭其煩地工作，疾病智能診療模型終于初見成效?！?/p>

如今，近紅外腦功能成像技術及相關模型已在北京協和醫院、上海華山醫院、清華大學等800余家單位示范應用。

對汪待發而言，近20年的研發歷程 ，是個“艱難但幸福的過程”。展望未來，他信心滿懷地說：“只要堅定創新自信，找準方向，扭住不放，敢于走別人沒有走過的路，就能打破國外技術壟斷，不斷創造世界領先的科技成果！”

（記者 操秀英）