全球醫療數據由于現有管理體制的落后及各地政策的差異，使得數據使用低效，無法進行全球化共享。另外醫療數據不易獲得，使得大數據和人工智能的結合十分困難。而醫療數據的分析挖掘需要強大的算力及出色的人工智能算法和應用支持。因此，醫療人工智能領域急需一個開放的平臺，實現數據、算力市場、人工智能算法平臺及各類服務應用的互聯互通。

Amrita團隊旨在打造一個基于區塊鏈的醫療數據交換網絡及醫療人工智能應用網絡。通過同態加密技術及區塊鏈技術，建立一個全球化的分布式醫療數據共享網絡及醫療人工智能應用的市場，使得全球的醫療數據得以安全地共享、交換及更高效地發掘、分析和處理，推動疾病診斷、新藥研究和人工智能醫療領域的進步。

Amrita將醫療大數據平臺實現以中心化為導向到去中心化的轉變，充分利用去中心化存儲、算力及人工智能資源，真正實現以人為本，以此來達到現有醫療信息系統不具備的信息的可靠性、透明性、安全性。Amrita 將對接不同的參與方，通過激勵，將各方的資源通過區塊鏈技術連接起來，建立一個以健康為核心的生態圈。

Amrita的團隊由世界頂級的醫學、人工智能、大數據及區塊鏈專家構成。團隊的核心成員曾完成開發涉及海量數據的醫學影像及人工智能診斷平臺，該系統會成為Amrita 網絡上第一個落地的應用，在去中心化系統中，實現影像數據的儲存、交換及人工智能診斷。

Amrita Network的優勢

1. 安全性及可靠性

Amrita 的數據通過點對點加密，且通過授權管理，使得數據的使用和個人授權直接掛鉤。將信息加密的權限從醫療機構向個人轉移。通過區塊鏈技術，將信息的加密權交還給患者，只有患者才可以解密自己的數據，基本上可以杜絕醫療機構泄露患者信息的可能，減少數據泄露風險。

Amrita可以讓用戶選擇將醫療信息存儲在去中心化數據存儲空間中（ipfs 系統），從而提供一個可以避免中心化儲存單點失敗的風險。另外，Amrita 平臺上會有身份認證管理系統，只有經過認證的醫護人員才有權限生成他人的醫療記錄，通過區塊鏈進行驗證，進一步提升生成的醫療數據的可靠性。醫療服務提供者若想要查看他人的醫療信息，也需要經過認證及授權，才可以查看。

2. 靈活的資源匹配及成本優勢

Amrita 倡導開放式平臺，通過區塊鏈實現各種去中心化平臺的資源導入。比如存儲上，直接對接去中心化的存儲平臺（比如 ipfs）及去中心化算力平臺（Golem、iExec 等）。這些平臺的對接給用戶提供多樣選擇，可以在選擇系統的支持資源的時候，配置這些去中心化的資源，從整體上降低資源使用的成本。由于去中心化平臺基本上是在使用網絡參與者的共享資源，因此，在整體成本上相對于中心化平臺有比較大優勢。

3. 便捷及數據互通性

Amrita 是基于區塊鏈的公鏈平臺，因此一開始就具有全球性，在數據存儲、交換、處理上，都在全球的網絡中進行。用戶只要有網絡連接，就可以非常便利的登陸和訪問。另外由于在平臺上醫療數據使用統一的數據標準，因此具有良好的互通性，醫療機構分散管理和數據孤島問題也得到很好的解決，使得醫療數據可以得到有效的流通和交換。

4. 人工智能應用的多樣性及無限擴展的計算能力

由于 Amrita 提供了一個有競爭力的醫療數據人工智能應用的市場，另外也對接多個算力平臺，因此其計算能力及算法進化能力遠遠大于任意一家醫療機構。而且通過我們引進的代幣激勵及競爭機制，使得優秀的應用算法能通過競爭排名及市場的力量脫穎而出。相信隨著網絡的不斷成長，會有越來越多的人工智能應用在 Amrita 平臺上大展身手。

技術細節

1. 平臺架構

Amrita 旨在打造一個醫療數據分享、交換及對接算力資源、醫療人工智能應用的區塊鏈平臺。由于平臺的各個模塊都已有了成熟的解決方案，我們會充分利用市場現有的公有鏈及去中心化平臺的資源，打造一個連接各個功能模塊的網絡，具體而言分為三個層面：第一個是共識層（核心層），作為核心的任務調配、支付結算及存儲和算力連接的最核心部件；第二層是應用層，用于對接基于醫療大數據應用和人工智能應用的接口，由共識層的區塊鏈協議協調控制和完成與其它模塊的交互；第三層是支持層主要包括算力支持和數據支持兩個子模塊，算力支持子模塊允許用戶對算力在平臺上進行共享或購買以達支持應用層的需求，數據支持子模塊主要是醫療數據的儲存，同時也可以通過共識層實現與其他用戶或應用的交互與交易。

第一層 核心層（區塊鏈層）

區塊鏈技術是通過互聯網傳輸價值的一種手段，無需中間人（如銀行或支付處理器）即可實現點對點的數據交互。它使用分布式賬本，在社區內達成共識，受到社區的監督。智能合約是在區塊鏈上運行的自我執行的邏輯塊。智能合約中包含了雙方約定的若干時間邏輯，當合同規定的條件滿足時，合同自動執行。

核心層提供包括連接、管理及協調數據層和應用層所有核心功能；實現對支持層及應用層各種直接或間接交互的支持。比如面向數據支持模塊的脫敏醫療數據交換、數據支持模塊連接到人工智能或大數據應用的任務和數據分配等；核心層也可以實現連接支持層中算力支持資源、數據支持模塊與應用層的交互。核心層以區塊鏈為動力，以區塊鏈中心存儲的信息為基礎，通過與 Amrita 核心層的鏈接來執行數據的輸入 / 輸出功能以及各層級復雜交易的管理。由于以太坊 （Ethereum） 現在具有最大的社區生態和成熟的開發社區，我們優先支持以太坊系統，未來還將擴展對其他成熟區塊鏈社區的支持。

在內部，服務層可以分為以以太坊虛擬機 （EVM） 為基礎的智能合約和連接應用層與核心層的部分。智能合約包括含有 AMN 代幣信息的賬戶信息以及核心層的醫療數據的鏈接等。

由于現在以太坊的處理吞吐量仍不足 （ 大概是 15 tps 的吞吐能力 ），鏈上交易執行成本相對較高，我們前期只會將平臺核心的部分 （ 比如支付、結算 ） 部署在公鏈上。隨著以太坊擴展性提升 （ 比如預計的 Plasma、分片的部署及將來向 PoS 轉變 ），以太坊的吞吐量會增加，我們會把更多的功能模塊遷移到鏈上執行。而最終，系統將會部署在跨鏈平臺上 （Cosmos、Polkadot），實現對多個區塊鏈平臺的支持，進一步提升 Amrita 的處理能力。

第二層 支持層

支持層提供平臺運行所需的支持原料，包含數據支持子模塊與算力支持子模塊兩個部分，雖然數據與算力都在這一層中，但各個子模塊都可以通過共識層完成子模塊內部的資源共享交互。比如個體用戶可以直接在數據支持子模塊內完成數據的交換與分享，也可以在算力支持子模塊中實現算力資源的共享與交易。與此同時，在共識層的支持下，數據支持和算力支持兩個子模塊也可以完成對應用層中大數據應用與人工智能應用的對接，實現諸如大數據醫學影像診斷分析、DNA 折疊、新藥研發等應用。

本平臺的數據支持子模塊將可以支持成熟的云存儲解決方案，如亞馬遜 S3，微軟 Azure，以及具有某些優質特性的分布式解決方案如 BigChainDB， Ocean，IPFS，Maidsafe， Sia，Storj 等。

數據支持子模塊

數據支持子模塊使用 Amrita 醫療數據網絡中的最新加密技術來保護數據。因為尤其在早期可以存儲在區塊鏈上的數據非常有限，所以需要額外的空間來支持醫療數據的存儲。在 Amrita 平臺中生成并傳送的醫療數據將會通過 Amrita SDK 加密后再傳送，數據的授權也都需要經過完整的驗證，這就使得除了擁有解密數據密鑰的數據持有者本人外，任何他人未經授權將無法獲取原始數據。數據支持子模塊在完成安全授權后也可以通過 Amrita 的共識層協調進行允許各模塊及應用層的人工智能應用調用。

本平臺提供了一種完全不同于傳統數據庫式的醫療數據存儲、訪問和貨幣化交易方法，醫療數據以加密形式以可選的方式保存在中心化或分布式存儲層中。系統的目標并不是取代現有的電子病歷、醫療數據系統，而是將傳統的醫療數據進行更好的整合和利用，并為數據的所有者以及具有挖掘數據價值的人提供了一個可信的，匿名化的交互平臺。一方面單一病人可以通過去隱私的分享自己的數據換取代幣（token），從而可以購買與自身數據有關的基于人工智能應用的最先進研究成果，以便于更好地治病。另一方面，由于眾多個體的參與以及數據的共享，也為基于數據的各種人工智能應用提供基礎素材，有利于開發出更好的智能算法和智能應用。最終來源于病人的數據將為疾病的治療以及同類疾病的研究提供巨大的價值。

在功能上，數據支持子模塊主要提供以下核心功能

（1） 提供獲取和收集數據的容器，為應用層及算力子模塊提供支撐；

（2） 對存儲的數據進行有效的劃分，歸類以及整合，從而提升數據使用的效率；

（3） 完整的數據訪問流程，提供不同級別的數據訪問和使用授權；

（4） 通過共識層的協調，實現數據擁有者的安全共享與數據使用權的交易。

算力支持子模塊

算力支持子模塊為 Amrita 醫療數據平臺提供算力資源的支持，并通過共識層的協調可實現算力資源的有效分享和使用。基于區塊鏈技術的平臺在進行數據加密解密，以及人工智能運算的過程中需要大量的算力資源，而所有參與在平臺中的用戶也可以貢獻自己的分布式算力。算力支持子模塊一方面可結合數據支持子模塊為應用層的人工智能算法和應用提供支持，另一方面也可以為所有不同層級的用戶提供算力資源的交互。同數據支持子模塊一樣，算力支持子模塊也允許用戶自由地選擇中心化的云計算算力資源（如 AWS，阿里云等）或者分布式的算力資源（如 Golem， iExec 等）完成相應的需求。

第三層 應用層 - 人工智能算法和人工智能應用層

醫療數據分析挖掘在充分的數據儲備和強大的算力資源支持下仍然需要優秀的人工智能算法和最有價值的人工智能應用支持才可發揮出最大的效用為醫療市場做出貢獻。Amrita 旨在建立一個開放的資源整合平臺，同時支持中心化及分布式的存儲、算力資源，通過成熟的共識層的連接與協調，實現不同的算力平臺，個體與大型醫療數據提供者支持下的人工智能算法和應用交互，從而實現數據和算力資源及基于人工智能的各類應用對接，最終為醫療數據分析、分享創造環境，使得這些具有重大價值的醫療數據、算力資源可以最大化利用，以使得基于醫療數據的人工智能應用更快更好地造福人類。

Amrita 應用層是在本平臺上進行醫療信息數據管理和利用的所有應用程序的統稱。形態上來講，它支持移動端和 Web 端環境下的所有應用程序。這些應用可以通過共識層訪問平臺中的數據及算力資源。利用即將提供的 SDK 可以使應用程序的開發變得更加輕松快捷，這樣可以方便地開發用以連接 Amrita 平臺的應用程序。即使不使用 SDK，如果遵循即將發布的 API 和開發協議，也可以開發連接到 Amrita 平臺的各類應用。 除了允許各類應用開發者的參與，Amrita 也會率先開放和提供一系列已經獲得業界認同的優秀人工智能應用程序為用戶服務也為其他的開發者提供參考。更多基于 Amrita 開發的一些應用和服務示例將在后面章節詳細說明。

世界各地的數據科學家及應用團隊，都可以接入 Amrita 的平臺，通過他們優秀的算法及應用服務，對醫療數據做加工，為服務請求者提供服務。在平臺的早期階段，我們會優先支持中心化的應用，比如我們已經簽署合作的部署在亞馬遜上的醫學影像分析的平臺，逐漸地我們會支持去中心化算力平臺（iExec、Golem）及去中心化人工智能市場（如 SingularityNet）。

Amrita 平臺主要有三種信息類型：Amrita 代幣信息、個人信息和醫療信息。雖然將所有信息都存儲在區塊鏈上的方法最為理想，但是由于成本、存儲空間和性能等現實因素的限制，將最大限度的減少直接存儲在區塊鏈上的信息量，占用較大存儲空間的個人信息和醫療信息將以加密的形式存儲在區塊鏈外部 ， 使用亞馬遜中心化的儲存或者去中心化的儲存（IPFS 文件系統、Maidsafe、Storj 等）。

2. Amrita 的擴展性 - 應用層人工智能網絡

Amrita 的擴展性來自于豐富的應用層提供的對外人工智能應用及各類人工智能服務提供商的廣泛接口。在實現應用層智能算法及智能應用的過程，系統將以點對點的方式組織，其節點稱為網絡參與者。這種架構可以保持了支持層中的數據及算力子模塊、應用層及與共識層的相互獨立，并使得向網絡添加新的數據解決方案和人工智能服務變得非常簡便快捷。下圖是系統的概括圖：

服務提供者是在節點上運行的軟件過程以及相應的區塊鏈客戶端。面向區塊鏈的API 將服務提供者鏈接到區塊鏈，以及一個面向人工智能的接口，以便與網絡上的其他服務商進行互操作。加入 Amrita 只需要很少的工作；開發人員只需要通過這些接口，就可以為許多流行的人工智能技術和框架提供標準實現。系統還將為有興趣將其現有軟件部署到 Amrita 上的研究人員和公司提供詳細的文檔和教程，并且歡迎各開發人員與 Amrita 一起合作將最先進的人工智能技術提供給 Amrita 的用戶。

2.1 服務參與節點和網絡

本系統中服務參與節點的設計包含了面向區塊鏈的 API。這使我們可以實現對不同區塊鏈系統的支持，進一步提升系統的擴展性（scalability），未來從以太坊擴展到其他公鏈會非常平滑。Amrita 的初始實施基于以太坊，但將來可以實現靈活切換。區塊鏈 API 使服務參與節點能夠加入網絡，離開網絡，宣傳自己的服務，尋找服務提供商，以及協商合作關系。Amrita 還將為服務參與節點部署智能合約，其中包括其公鑰、代幣賬戶和服務能力描述。每個服務參與點都將有相應的服務標準合約，并保存在自己的智能合約中，并且在網絡中實時更新。如上所述，一些服務參與節點將向客戶提供服務，充當其他代理商的客戶。當這些服務參與節點加入網絡時，他們將通過瀏覽他們的廣告來搜索合適的服務提供商。

2.2 提供數據及人工智能服務

服務參與節點負責廣告其服務，包括如何向客戶收費，如何接受數據（文件格式，存儲位置，協議等）以及如何提供結果。還應該盡最大努力使網絡知曉它目前是否可以提供服務。在任何時刻，限于存儲和資源以及運算能力的有限性，個別服務參與節點都有可能無法真正執行服務。它可能沒有計算或存儲資源，它可能無法連接到它所需的特定資源，或者可能需要另一個服務參與節點來提供一個特定的子服務。任何工作報價都以價格建議和服務準備狀態形式提出。代理商可以同意定價建議或者進一步議價。服務參與節點也可以在其廣告中聲明價格，服務內容還可能包括數據傳遞的首選機制等談判內容。一旦邀約被約定，它將作為合同被添加到區塊鏈中，并且鏈接到托管賬戶（可以指定一個服務參與節點作為仲裁方）。一旦工作完成，客戶已經獲得了結果，代管賬戶將資金轉交給執行服務的服務參與節點。每項工作完成后，客戶也可以評估服務提供者。服務評級是公開的，并存儲在代理智能合約中，以供潛在客戶和合作伙伴查詢。網絡協議獨立于數據儲存的選擇，存儲解決方案選擇權屬于服務參與方。這使得平臺可以支持成熟的基于云的解決方案，如亞馬遜 S3，以及像BigChainDB，Ocean，IPFS，Maidsafe，Storj 等分布式儲存方案。

2.3 多服務節點協同

隨著網絡平臺的逐漸成熟，Amrita 將鼓勵服務參與方節點進行更加復雜的交互以獲取及提供更好的服務，服務節點還可以將其服務分包給其他服務節點。一個服務參與方節點可以從其他服務參與方節點獲取硬件、數據以及人工智能應用服務。當服務節點提供特定服務時，如果需要與該服務相關子任務的合作伙伴，它將搜索現有的廣告并選擇潛在的合作伙伴。如果找不到合作伙伴提供需要的服務，則不能接受該服務的工作機會。由于每個服務參與方節點都管理自己的供應商關系，網絡允許非常復雜的協作安排。但是，從用戶的角度來看，這一切都是在幕后透明進行的。

AMN 代幣

1. 為什么需要 AMN 代幣

Amrita Network 為了創建一個豐富的生態，激勵各個參與方，確保網絡能自主演變成一個全球性的醫療數據和人工智能市場，我們需要為 Amrita Network 創建一個原生代幣 Amrita Network Token （AMN） ，具體來說 AMN 具有以下的使用功能：從生態需求來看，體現在以下幾點：

（1） 通用代幣：AMN 是 Amrita 網絡上的通用代幣，將來的生態參與者需要通過AMN 作為支付手段，服務提供方需要通過 AMN 作為服務的保證金支付，進入 Amrita 的生態體系。

主要支付功能體現在以下幾方面：

·任務請求方需要針對的任務向服務方通過 AMN 做支付 ;

·服務商在參與某些高價值任務招投標時，需要通過 AMN 支付保證金 ;

·醫療數據的買方向醫療數據的賣方需要通過 AMN 對數據交易做支付 ;

·其它的服務交易所涉及的支付。

（2） 微小服務及支付需求：Amrita Network 的用戶千千萬萬，而且分布在全球各個地方，因此，一個可以通過區塊鏈實現的代幣，可以極大減少網絡和區域交易摩擦，實現大規模微小交易服務。

（3） 應用幣的錨定幣：將來隨著 Amrita 網絡的逐漸成熟和應用的豐富，我們將會允許不同的應用開發商基于自己的需求及業務模式，在 Amrita 平臺上發行應用幣。所有基于 Amrita Network 產生的應用幣發生的手續費，會在AMN 持有人中分配。

（4） 治理功能：在網絡成熟之后，社區治理會逐漸過度到 DAO （ 分布式自治組織 ） ，完全在區塊鏈上實現 AMN 代幣持有人管理和維護網絡更新。

2. AMN 代幣發行政策

Amrita Network Token （AMN）

總量幣數：10 億

小數點：18 位

3. 募資用途

項目的資金只用于 Amrita 網絡的開發和推動其向有益方向發展，募集額度會影響資金的分配及使用狀況，然而 AMN 代幣儲備及交易機制將確保項目按照我們最初設定的目標穩步前進。

應用前景與市場機會

1 Amrita Network 服務及應用領域

（1） 人工智能應用市場對接

鑒于全球醫療人才的緊缺，及醫療資源匹配的不平衡，缺乏標準化、可靠且充足的醫療數據是限制人工智能發展的重要瓶頸。Amrita 平臺實現了醫療數據的標準化及提供了人工智能研究重要的基礎，將大大提高人工智能的發展。在 Amrita 的生態系統中，最優算力及算法的提供者將獲得 AMN 代幣作為回報。

（2） 臨床研究、醫藥研究及新藥試驗跟蹤

Amrita 將連接研究機構、藥廠及愿意共享其健康數據的用戶，為臨床研究提供便利。用戶將會提供給研究者可靠的、有依據的健康信息。作為回報，參與者將通過AMN 代幣中得到回報。Amrita 平臺建立臨床醫療數據庫，為臨床各項治療、醫護提供參考意見。通過 Amrita 平臺，部分新藥的實驗樣本可擴大到全世界，完善樣本取樣群體，為醫藥研究測試后評估等提供參考意見。

（3） 個人健康信息管理及診斷

Amrita 平臺通過集成不同個體的體檢、醫療、護養等機構的大數據，動態管理個人的健康信息，形成個人健康檔案，同時根據輸入信息的變動，及時利用平臺計算能力，更新健康檔案，同時對病癥進行預防和診斷，形成個人健康信息及電子病歷。

（4） 保險費用計算和自動理賠系統

在使用者允許的情況下，Amrita 平臺可為醫療保險機構提供使用者的健康信息，利用平臺計算能力快速確定保費，同時利用智能合約處理保險賠付等問題。

（5） 遠程醫療及治療

遠程醫療是一項醫生與患者使用網絡連接的在線咨詢，Amrita 不僅提供了這種既定的和成功的咨詢形式，而且可以讓醫生與他們進行互動交流，以適應醫生的需求。 患者可以授權醫生訪問他們的健康記錄，同時付給 AMN 給醫生作為服務的回報。Amrita 連接患者和遠程醫療服務提供者，患者通過授權醫生訪問自己的健康記錄并授予 AMN 代幣實現遠程醫療服務的實現。

（6） 醫療糾紛可追溯性查詢

通過對 Amrita 網絡的醫療信息查詢，醫療管理者可以對醫療服務的完整過程進行監控和質量控制，并回溯調查醫療糾紛。

（7） 社交網絡服務

對于平臺內的慢性疾病患者，可通過平臺搜索同類患者，大家可以通過社群共同勉勵，分享經驗，提高社群內病人的關懷度。

（8） 醫養大數據信息指導

人口老齡化的腳步已經迫近，醫養大數據可在 Amrita 平臺上提供給養老機構，讓養老金實行細致養老，精準養老。

2. 市場合作機會

2.1 首個落地應用戰略合作

Amrita 將與“腦醫生”團隊深度合作，使之成為 Amrita 平臺第一個重要的落地應用。“腦醫生”團隊將幫助基金會搭建一個基于大數據和人工智能的云平臺，首先從醫學影像數據分析開始，逐漸向其它類型的數據延展（比如電子病歷數據，患者基因數據等）。具體而言，Amrita 會做任務協調，由服務請求方發起醫療影像數據分析的請求，然后 Amrita 首先將所有標準化圖像從客戶端加密上傳到 Amrita 分配好的服務提供商的系統進行自動結構分析，生成準確的腦區域體積和厚度。同時對原始數據進行預處理，用于后期深度學習模型的預測。最后，網絡向服務請求方反饋一個全面的大腦輔助診斷報告和一個人工智能報告來預測特定的疾病。

2.2 大數據分析

醫學圖像和深度學習的結合需要大量的標記和高質量的數據。“腦醫生”的大數據來自中國的一些頂級醫院，他們已經獲得了數萬例標準醫學影像數據，包括阿爾茨海默病、帕金森病、白質病變等。該數據庫每天都在增加。所有的大腦高質量影像數據依據國際通用標準建立，具有相同的掃描參數（例如序列，層厚及分辨率等）以確保醫療數據的高標準。此外，所有的數據都包括重要的臨床信息，有助于進行多模態的人工智能數據分析。“腦醫生”用于產品的數據集完全匿名，沒有任何標識信息。

2.3 腦醫生系統與分布式算力市場云計算架構

腦醫生系統將在 Amrita 網絡上部署，首先支付及任務分配會在區塊鏈上通過智能合約實現，而后將儲存層逐漸遷移到分布式儲存平臺，另外算力市場也逐漸從亞馬遜及騰訊等中心化算力平臺遷移到去中心化算力平臺（如 iExec 或者 Golem）。服務請求方可以在網頁端訪問和操作腦醫生系統，并調用 “腦醫生”的應用程序和數據。

2.4 深度學習架構

腦醫生人工智能系統需要處理 3D MRI 圖像，因此采用了 3D 卷積體系結構。與 2D 體系結構相比，3D 卷積體系結構能夠在兩個連續切片之間獲取空間信息，有助于解決影像數據的連貫性，與臨床實踐更為接近。然而，增加一個維度意味著更多的訓練參數，這進一步需要更多的訓練實例。腦醫生的深度學習算法引入了一種自動編碼器，它是一種特殊類型的神經網絡，能夠產生與輸入相同的輸出，以降低原始MRI 圖像的維度和捕獲有用特征。自動編碼器由兩部分組成，即編碼器和解碼器。編碼器將原始輸入的 MRI 圖像映射到具有比原始輸入低的維度的隱藏特征，而解碼器將這些特征映射回輸入圖像。提取的特征被送到另一個稱為分類網絡的神經網絡，輸出患者具有 AD 的概率。圖 14 顯示了自動編碼器和分類網絡的詳細結構。

腦醫生系統采用的 3D CNN 深度學習算法，其包括自動編碼器（Autoencoder）和分類網絡（Classification）的體系結構。自動解碼包括兩個方面，編碼和解碼。圖像特征的提取從編碼其中獲取，并作為輸入端進入分類網絡。

腦醫生的深度學習算法可以取得優秀的診斷結果，在區分 AD 患者和正常人的分類上達到了 88% 的特異性，80% 的靈敏度和 85％的平均準確率。其研究成果被2018 年國際核磁共振協會收錄并發表。

2.5 更多臨床應用場景

近年來，越來越多的研究側重于深度學習及其在醫學影像中的使用，包括分類、檢測、分割和配準等幾個醫學領域。對于分類，圖像分類和對象 / 病灶分類是基于MRI 圖像的醫療用途中最常見的類型。在所有發表的論文中，大多數使用 CNN 來訓練他們自己的模型，根據不同的研究，準確率在 60％到 90%。與無監督體系結構，CNN 通常被認為是目前標準的疾病分類檢測技術，分割和配準也很大程度上取決于CNN 的架構，深度學習算法大大提高了醫療數據的信息提取和解讀，大幅提高了對疾病診斷的準確性和實現了對疾病進程和療效評估的預測。Amrita Network 的首要臨床應用關注中樞神經系統疾病，將在多種臨床應用場景上實現突破，解決臨床問題。

阿爾茲海默癥和認知障礙

阿爾茨海默病 （AD），是一種慢性神經退行性疾病，可以緩慢地破壞人類的腦細胞，最終導致人類記憶力的喪失和處理最簡單日常任務的能力。在中國，阿爾茲海默病患者平均每人年花費為 13.2 萬元；其中年直接醫療費用人均 4.0 萬元，年直接非醫療費用人均 2.4 萬元，年間接費用人均 9.5 萬元。中國阿爾茲海默病患者總花費超過11562.4 億元人民幣。傳統的 AD 診斷嚴重依賴于放射科醫生和神經科醫生的檢查。

因此，大部分患者處于 AD 后期才有明確診斷。一般情況下，AD 在正常和輕度認知障礙 （MCI） 期間的早期篩選和分類是困難的，MCI 是及時干預和延遲疾病過程的關鍵時期。

帕金森病

帕金森病 （PD） 主要影響運動系統，是一種中樞神經系統的長期退行性疾病。基于人工智能算法的診斷平臺可以通過精確計算大腦各個區域結構數據達到早期診斷帕金森疾病并評估治療的療效。

自閉癥 （Autism）/ 注意力障礙 （ADHD）

自閉癥是一種神經發育障礙，導致社會交往和交流的普遍異常，重復行為和限制性興趣。注意缺陷 / 多動障礙 （ADHD） 是最常見的兒童心理障礙之一。注意力缺陷多動障礙始于兒童時期，隨后可能表現為終生癥狀，包括注意力不集中，運動過度活躍或躁動不安，沖動控制能力差。因此，有越來越多的科研機構開發系統探索如何檢測大腦結構的細微變化并預測這些疾病。

腦血管疾病

除了 MRI 圖像之外，深度學習還可用于包括 CT 和 X 射線在內的其它醫學圖像。在 CT 方面，深度學習算法可以早期診斷腦卒中及評估預后，有助于臨床醫生制定有針對性的診療計劃和改善中風的病人管理 （ 圖 15）。

以 Amrita Network 為基礎的醫療人工智能生態通過與“腦醫生”系統的整合，實現了對多種中樞神經系統疾病診斷的突破，比如系統實現自動預測 AD 患者的準確率高達 85％，對 PD 患者的診斷準確率超過 80%，對 Autism 的診斷準確率超過88%，對腦卒中的診斷準確率超過 90%。所有這些數據都大大超越經過專業訓練的醫生的準確率。

開發路徑

Amrita Network 是一個基于區塊鏈的分布式的醫療數據儲存、交換及醫療人工智能應用網絡，通過同態加密技術及區塊鏈技術，建立一個全球化的分布式醫療數據共享網絡及醫療人工智能算法的交易市場，使得全球的醫療數據得以更好的共享、發掘、分析和處理，加快新藥研究、疾病診斷，推動全球醫療事業的進步。

Amrita Network 開發路徑分幾個階段：

前期準備階段 （2016 年 6 月 - 2017 年 1 月 ）：通過“腦醫生”項目，團隊初步形成底層技術積累，并且建立了“腦醫生”的醫療影像人工智能算法和大數據的神經網絡，已經形成數萬例標準醫學影像數據。與全球的研究機構已經達成初步合作，與國內多個甲級醫院展開落地合作，醫療影像人工智能分析網絡將成為 AmritaNetwork 的第一個落地應用。

區塊鏈籌備、代幣私募及公募階段 （2017 年 2 月 -2018 年 5 月 ）：初定完成私募及公募并上交易所交易。

單細胞時代 （2018 年 5 月 -2018 年 10 月 ）：Amrita 網絡的 Beta 主網絡開發及運行。共識層建立在以太坊上，可以實現部分去中心化的功能 （ 比如連接去中心化的存儲 （IPFS，Storj， Maidsafe 等 ） 及去中心化的算力平臺 （iExec、Golem），實現醫療數據的初步共享、分析及人工智能挖掘。落地應用上，初步實現人腦醫療MRI 及其它類型的掃描數據的提交、共享及交換，另外通過人工智能算法對人腦的醫療影像數據做深度分析并反饋結果，與“腦醫生”的神經網絡做深度對接。

多細胞時代 （2019 年 ）：徹底在醫療數據存儲、計算力、算法提供上去中心化，充分建立一個多方參與的良性生態。實現多樣醫療數據的大規模對接，并逐步實現算法及算力市場的開放。

哺乳動物時代 （2020）：基礎協議全面去中心化，Amrita 將全球生態參與提高到更高高度，生態延伸到全球 200 個國家，實現多種醫療數據的支持及多樣化人工智能算法。

智人時代 （2021+）：完全實現醫療數據的提供、管理、共享及分析，建立完善的人工智能算法及算力市場，使 Amrita 成為全球最大的醫療數據的分享、交易、分析的人工智能網絡。社區治理由前期基金會主導轉為 Amrita 的 DAO 主導，通過持幣人投票參與管理和社區生態發展。