國際知名醫(yī)學(xué)科研期刊《自然醫(yī)學(xué)》（Nature Medicine）在線刊登于文章題為《使用人工智能評估和準(zhǔn)確診斷兒科疾病》（Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence），此文是由廣州市婦女兒童醫(yī)療中心夏慧敏教授、張康教授（加州大學(xué)圣地亞哥分校）、數(shù)據(jù)中心梁會(huì)營博士、醫(yī)務(wù)部孫新主任以及兒內(nèi)科門診何麗雅主任團(tuán)隊(duì)與依圖醫(yī)療倪浩團(tuán)隊(duì)、康睿智能科技等業(yè)內(nèi)頂級研究團(tuán)隊(duì)及廣東省再生醫(yī)學(xué)重點(diǎn)實(shí)驗(yàn)室，利用人工智能技術(shù)診斷兒科疾病的重磅科研成果。這是全球首次在頂級醫(yī)學(xué)雜志發(fā)表有關(guān)自然語言處理（NLP）技術(shù)基于中文文本型電子病歷（EMR）做臨床智能診斷的研究成果。

       這是該團(tuán)隊(duì)在《細(xì)胞》雜志封面發(fā)表有關(guān)AI圖像診斷的論文后，不到一年時(shí)間里，在AI技術(shù)實(shí)施應(yīng)用于醫(yī)療方面取得的另一個(gè)重要里程碑。它標(biāo)志AI模擬人類醫(yī)生進(jìn)行疾病診斷時(shí)代的到來。

       不僅能夠“看圖”識別影像，還能“識字”讀懂病歷

       近年來，AI在基于醫(yī)學(xué)圖像的診斷工具表現(xiàn)搶眼，但一般還局限于相對標(biāo)準(zhǔn)化的靜態(tài)圖像數(shù)據(jù)。在這項(xiàng)最新科研成果中，人工智能在識別影像的基礎(chǔ)上，通過自動(dòng)學(xué)習(xí)病歷文本數(shù)據(jù)（醫(yī)生的知識和語言）中的診斷邏輯，逐步具備了一定的病情分析推理能力，能更進(jìn)一步讀懂、分析復(fù)雜的病例，意味著人工智能或?qū)⒛芟襻t(yī)生一樣“思考”。

       研究人員們訓(xùn)練AI理解海量電子病歷中的臨床特征數(shù)據(jù)，包括患者主訴、癥狀、個(gè)人史、體格檢查、實(shí)驗(yàn)室檢驗(yàn)結(jié)果、影像學(xué)檢查結(jié)果、用藥信息等多方面的數(shù)據(jù)。研究團(tuán)隊(duì)利用依圖醫(yī)療的NLP技術(shù)建立一套病歷智能分析系統(tǒng)，深度挖掘和分析醫(yī)療文本的信息，將非結(jié)構(gòu)化文本形式的病歷數(shù)據(jù)變成規(guī)范話、標(biāo)準(zhǔn)化和結(jié)構(gòu)化的數(shù)據(jù)，以便AI可以準(zhǔn)確完整地“讀懂”病歷。為此，醫(yī)生、科學(xué)家和技術(shù)人員通力合作，由30余位高級兒科醫(yī)師和10余位信息學(xué)研究人員組成的專家團(tuán)隊(duì)手動(dòng)給電子病歷上的6000多張圖表進(jìn)行注釋，并持續(xù)對模型進(jìn)行檢驗(yàn)和迭代。

       研究團(tuán)隊(duì)還開發(fā)了一套診斷結(jié)果智能推薦系統(tǒng)，模擬人類醫(yī)生的診療路徑，把目標(biāo)患兒進(jìn)行逐級判定。廣州市婦兒中心醫(yī)務(wù)部主任孫新認(rèn)為，“專業(yè)兒科醫(yī)生高質(zhì)量的先驗(yàn)醫(yī)學(xué)知識輸入成為這套系統(tǒng)的關(guān)鍵優(yōu)勢”。具體來看，這套系統(tǒng)首先會(huì)按呼吸系統(tǒng)疾病、胃腸道疾病、全身性疾病等幾大系統(tǒng)分，然后在每一類下面做細(xì)分。舉例來說，在最常見的呼吸系統(tǒng)疾病中，這個(gè)系統(tǒng)會(huì)先按上呼吸道和下呼吸道進(jìn)行區(qū)分，再按喉炎、氣管炎、支氣管炎、肺炎進(jìn)行細(xì)分。經(jīng)過檢驗(yàn)，在每一層級，由AI做出的初級診斷在精確度上都接近檢查醫(yī)師做出的初級診斷。例如在患兒群體中最常見的急性上呼吸道感染，模型對病例的診斷達(dá)到95%的準(zhǔn)確率。

       對于一些兇險(xiǎn)的、有可能威脅生命的疾?。ɡ缂毙韵l(fā)作、細(xì)菌性腦膜炎等），算法也同樣表現(xiàn)

       出了強(qiáng)大的診斷性能。廣州市婦兒中心兒內(nèi)科門診主任何麗雅認(rèn)為：“這在臨床應(yīng)用中有非常重要的意義，因?yàn)橛辛薃I快速分診的輔助，就可以讓醫(yī)療服務(wù)的有限資源用于最需要幫助的患者。”

       依圖醫(yī)療提出并測試了一個(gè)專門對電子醫(yī)學(xué)病例進(jìn)行數(shù)據(jù)挖掘的系統(tǒng)框架，將醫(yī)學(xué)知識和數(shù)據(jù)驅(qū)動(dòng)模型結(jié)合在一起。該模型先通過NLP對電子病例進(jìn)行標(biāo)注，利用邏輯回歸來建立層次診斷，在診斷常見兒童疾病方面可與經(jīng)驗(yàn)豐富的兒科醫(yī)生相媲美。

       依圖醫(yī)療CEO倪浩（論文共同第一作者）表示：“此次成果的核心技術(shù)部分，實(shí)際上是通過深度學(xué)習(xí)技術(shù)與醫(yī)學(xué)知識圖譜，對EMR數(shù)據(jù)進(jìn)行解構(gòu)，從而構(gòu)建了高質(zhì)量的智能病種庫。使得后續(xù)可以較容易地利用智能病種庫建立各種診斷模型。而診斷模型證明了基于AI的系統(tǒng)可以幫助醫(yī)生處理大型數(shù)據(jù)和輔助診斷，同時(shí)在診斷的不確定性和復(fù)雜性上給予臨床支持。兒科疾病癥狀多種多樣，臨床醫(yī)生同樣難以區(qū)分，診斷流程費(fèi)時(shí)費(fèi)力，但明確診斷非常重要。擁有可與經(jīng)驗(yàn)豐富的兒科醫(yī)生相媲美的助手進(jìn)行輔助診斷，能夠讓醫(yī)生有效地降低診斷時(shí)間，顯著優(yōu)化診斷流程。”

       可應(yīng)用于診斷多種兒科常見疾病，準(zhǔn)確度與經(jīng)驗(yàn)豐富的兒科醫(yī)師相當(dāng)

       通過自動(dòng)學(xué)習(xí)來自56.7萬名兒童患者的136萬份高質(zhì)量電子文本病歷中的診斷邏輯，該AI應(yīng)用于診斷多種兒科常見疾病，準(zhǔn)確度與經(jīng)驗(yàn)豐富的兒科醫(yī)師相當(dāng)。研究人員隨機(jī)抽出12000份患兒病歷，并把20位“參賽”兒科醫(yī)生按年資和臨床經(jīng)驗(yàn)高低分成5組，看看AI的成績和哪一組醫(yī)生接近。結(jié)果顯示，AI模型的平均得分高于兩組低年資醫(yī)生，接近三組高年資醫(yī)生。

       研究人員介紹，該AI系統(tǒng)可以通過人機(jī)交互獲取患者或家長口述文本，包括主訴、癥狀、疾病史、用藥史等信息，做出粗略診斷，給出可能的疾病范圍；通過醫(yī)生當(dāng)面問診或互聯(lián)網(wǎng)遠(yuǎn)程問診，獲取詳細(xì)病情及鑒別診斷特征，模型據(jù)此重新運(yùn)算，給出具體的精確診斷；如果有實(shí)驗(yàn)室檢驗(yàn)或影像檢查數(shù)據(jù)，AI模型還可以進(jìn)一步確認(rèn)其診斷結(jié)果。更重要的是，它具備增量學(xué)習(xí)的功能，在實(shí)踐中對于被采納的結(jié)果會(huì)增強(qiáng)記憶，對于未被采納的結(jié)果在核實(shí)之后會(huì)通過繼續(xù)學(xué)習(xí)實(shí)現(xiàn)能力的提升。” 廣州市婦女兒童醫(yī)療中心數(shù)據(jù)中心主任梁會(huì)營博士（本文第一作者）透露，通過上線后三個(gè)月的完善迭代，該系統(tǒng)在2019年的第一季度調(diào)用量已經(jīng)超過了3萬次，他強(qiáng)調(diào)這些調(diào)用的數(shù)據(jù)是對輔診熊實(shí)用性能評估、針對性能力提升的指南針。

       仍有很多基礎(chǔ)性工作要做，未來或有更加廣闊的前景

       廣州市婦女兒童醫(yī)療中心主任夏慧敏表示：“國家大力推進(jìn)的人工智能規(guī)劃，讓我們看到了契機(jī)，基于信息化產(chǎn)生的優(yōu)質(zhì)醫(yī)療大數(shù)據(jù)落地AI技術(shù)和平臺(tái)，既能在一定程度上解決醫(yī)療服務(wù)能力不足的問題，又能提高健康服務(wù)的公平性和可及性。我們希望在不久的將來，這項(xiàng)技術(shù)將能形成大范圍的示范推廣，為為基層兒科醫(yī)生和年輕兒科醫(yī)生提供輔助診療服務(wù)，為患兒家長提供智能自診服務(wù)和權(quán)威的第二診療意見，避免誤診、漏診造成的醫(yī)療風(fēng)險(xiǎn)。

       據(jù)研究團(tuán)隊(duì)介紹，這個(gè)人工智能輔助診斷系統(tǒng)將可以通過多種方式應(yīng)用到臨床中。首先，它可以用作分診程序。例如，當(dāng)患者來到急診科，可由護(hù)士獲取其生命體征、基本病史和體格檢查數(shù)據(jù)輸入到模型中，允許算法生成預(yù)測診斷，幫助醫(yī)師篩選優(yōu)先診治哪些患者；另一個(gè)潛在應(yīng)用是幫助醫(yī)師診斷復(fù)雜或罕見疾病。通過這種方式，醫(yī)師可以使用AI生成的診斷來幫助拓寬鑒別診斷并思考可能不會(huì)立即顯現(xiàn)的診斷可能性。

       對于個(gè)人工智能輔助診斷系統(tǒng)的未來，夏慧敏教授表示：“這項(xiàng)研究，將會(huì)成為AI技術(shù)在醫(yī)療中實(shí)施應(yīng)用的重要里程碑。其的貢獻(xiàn)在于，AI不僅僅能夠“看圖”，而且能夠“識字”，能像人類一樣讀懂文本中蘊(yùn)藏的疾病信息。

       通過系統(tǒng)學(xué)習(xí)文本病歷，人工智能或?qū)⒖梢栽\斷更多疾病。但須要清醒認(rèn)識到，我們?nèi)杂泻芏嗷A(chǔ)性工作要做扎實(shí)，比如高質(zhì)量數(shù)據(jù)的集成便是一個(gè)長期的過程，因?yàn)榇髷?shù)據(jù)的收集和分析需要算法工程師、臨床醫(yī)生、流行病學(xué)專家等在內(nèi)的多專家通力合作。此外，人工智能學(xué)習(xí)了海量數(shù)據(jù)后，其診斷結(jié)果的準(zhǔn)確性仍然需要更大范圍的數(shù)據(jù)對其進(jìn)行驗(yàn)證和比對。”

點(diǎn)擊下圖，預(yù)登記觀展