医药前沿杂志

文/广州日报全媒体记者伍仞 通讯员易灵敏、周密、李雯

　　AI诊断系统

　　北京时间12日零时14分，国际知名医学科研期刊《自然医学》（Nature Medicine）在线刊登了题为《使用人工智能评估和准确诊断儿科疾病》（Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence）的文章。

　　据介绍，这是全球首次在顶级医学杂志发表有关自然语言处理（NLP）技术基于中文文本型电子病历（EMR）做临床智能诊断的研究成果，能覆盖55种儿科常见疾病，准确率接近九成，超过年轻儿科医生水平。

　　研究人员表示，面对日益增长的优质儿科医疗资源而专业儿科医务人员培养不足的矛盾，本研究目的是借AI复制优质儿科医疗资源，增加优质儿科医疗资源的供给；希望在不久的将来，为边远地区、基层或年轻儿科医生提供辅助诊疗服务，并为患儿家长提供智能自诊服务和权威的第二诊疗意见，避免误诊、漏诊造成的医疗风险。

　　从会“读图”到会“阅读理解”的突破

　　2016年被认为是医疗人工智能“元年”。近年来AI技术在医学上的应用不断刷新，但作为医疗工具的AI主要在放射学、病理学、眼科学、皮肤病学等影像数据的识别和筛查上表现亮眼。广州市妇儿医疗中心团队就曾基于深度学习开发出一个能通过影像学数据诊断眼病和肺炎两大类疾病的AI系统，这一研究成果在去年2月就在世界顶级期刊《Cell》(细胞)以封面文章的形式发表。

　　这一次，市妇儿医疗中心团队研发出了一个能进行“类人思维”的医学AI系统：在识别影像的基础上，自动学习文本病历中的诊断逻辑，具备一定的病情分析推理能力。具体来说，这个AI能够像人类医生一样，“读懂”儿科常见疾病的文本病历，如“精神反应好，P110次/分，R23次/分，皮肤未见皮疹……”等表述，然后像人类医生一样进行逐级诊断。首先会按照呼吸系统疾病、胃肠道疾病、全身性疾病等几大系统分，再进一步做细分。如在儿科最常见的呼吸系统疾病中，这个系统会先按上呼吸道和下呼吸道进行区分，再按喉炎、气管炎、支气管炎、肺炎进行细分。以此模拟人类医生的诊断思路，最后给出推荐的诊断。

　　如今，这套AI模型能覆盖55种儿科常见疾病，在和市妇儿的儿科医生们进行的“人机大战”中，平均准确率为88.5%，得分高于两组低年资医生，接近三组高年资医生。而在今年1月份进行的实践运用中，辅助诊断功能被该院医生使用了30276次，诊断与临床符合率为87.4%。研究人员表示，人机大战不是终极目标，只是评价手段，目前AI模型还在不断向人类医生学习，准确率将会进一步提高。

　　136万份电子病历、30多位高级儿科医生教会AI“阅读理解”

　　“如今AI在语音识别、图像识别上的准确率已经很高，但是对自然语言的识别是很困难的，业内认为自然语言识别是AI领域‘皇冠上的明珠’”。此篇文章的作者之一、依图医疗总裁倪浩介绍，单是病历的书写习惯，各个医生就不一样，如何让AI正确理解复杂的病历文本数据是本次研究的重大挑战之一。

　　“人工智能是靠数据‘喂’出来的。”文章第一作者、市妇儿医疗中心临床数据中心主任梁会营博士表示，市妇儿医疗中心2018年全年门急诊量约463万人次，高度信息化为训练AI模型所需的优质数据来源就提供了保障。研究收集了2016年1月~2017年7月该院56.7万名患者的136万次门诊电子病历。

　　为了训练AI理解海量电子病历中的临床特征数据，包括患者主诉、症状、个人史、体格检查、实验室检验结果、影像学检查结果、用药信息等多方面的数据，研究团队利用依图医疗的自然语言处理技术，建立了一套病历智能分析系统，深度挖掘和分析医疗文本的信息，将非结构化文本形式的病历数据变成规范化、标准化和结构化的数据，以便AI可以准确完整地“读懂”病历。为此，医生、科学家和技术人员通力合作，由30余位高级儿科医师和10余位信息学研究人员组成的专家团队手动给电子病历上的6000多张图表进行注释，并持续对模型进行检验和迭代。“没有这些人工，就无法成就‘人工智能’。”梁会营说。

　　未来可辅助基层、年轻儿科医生看病

　　据介绍，这套AI系统工作20天，相当于一位儿科副主任医师一整年的门诊工作量。

　　据研究团队介绍，此人工智能辅助诊断系统将可以通过多种方式应用到临床中。首先，它可以用作分诊程序。例如，当患者来到急诊科，可由护士获取其生命体征、基本病史和体格检查数据输入到模型中，允许算法生成预测诊断，帮助医师筛选优先诊治哪些患者；另一个潜在应用是帮助医师诊断复杂或罕见疾病。通过这种方式，医师可以使用AI生成的诊断来帮助拓宽鉴别诊断并思考可能不会立即显现的诊断可能性。

　　广州市妇女儿童医疗中心主任夏慧敏表示：“国家大力推进的人工智能规划，让我们看到了契机。我们希望在不久的将来，这项技术将能形成大范围的示范推广，为基层儿科医生和年轻儿科医生提供辅助诊疗服务，为患儿家长提供智能自诊服务和权威的第二诊疗意见，避免误诊、漏诊造成的医疗风险。”

　　对于个人工智能辅助诊断系统的未来，夏慧敏教授表示：“这项研究，将会成为AI技术在医疗中实际应用的重要里程碑。其最大的贡献在于，AI不仅仅能够‘看图’，而且能够‘识字’，能像人类一样读懂文本中蕴藏的疾病信息。通过系统学习文本病历，人工智能或将可以诊断更多疾病。但须要清醒地认识到，我们仍有很多基础性工作要做扎实，比如高质量数据的集成便是一个长期的过程，因为大数据的收集和分析需要算法工程师、临床医生、流行病学专家等在内的多位专家通力合作。此外，人工智能学习了海量数据后，其诊断结果的准确性仍然需要更大范围的数据对其进行验证和比对。”

　　AI诊断系统如何诊断？

　　“类人思维”能“读懂”儿科常见疾病的文本病历，进行逐级诊断

　　能进行“类人思维”的医学AI系统，在识别影像的基础上，自动学习文本病历中的诊断逻辑，具备一定的病情分析推理能力。具体来说，这个AI能够像人类医生一样，“读懂”儿科常见疾病的文本病历，然后像人类医生一样进行逐级诊断。首先会按照呼吸系统疾病、胃肠道疾病、全身性疾病等几大系统分，再进一步做细分。以此模拟人类医生的诊断思路，最后给出推荐的诊断。

　　如何判断其准确率？

　　进行“人机大战”，准确度超年轻医生

　　这套AI模型能覆盖55种儿科常见疾病，在和市妇儿的儿科医生们进行的“人机大战”中，平均准确率为88.5%，得分高于两组低年资医生，接近三组高年资医生。而在今年1月份进行的实践运用中，辅助诊断功能被该院医生使用了30276次，诊断与临床符合率为87.4%。

　　如何实际应用？

　　用作分诊程序且帮助医师诊断复杂或罕见疾病

　　首先，它可以用作分诊程序。例如，当患者来到急诊科，可由护士获取其生命体征、基本病史和体格检查数据输入到模型中，允许算法生成预测诊断，帮助医师筛选优先诊治哪些患者；另一个潜在应用是帮助医师诊断复杂或罕见疾病。通过这种方式，医师可以使用AI生成的诊断来帮助拓宽鉴别诊断并思考可能不会立即显现的诊断可能性。

　　未来如何发展？

　　或将诊断更多疾病，准确性仍需验证

　　AI诊断系统不仅仅能够“看图”，而且能够“识字”，能像人类一样读懂文本中蕴藏的疾病信息。通过系统学习文本病历，人工智能或将可以诊断更多疾病。此外，人工智能其诊断结果的准确性仍然需要更大范围的数据对其进行验证和比对。

来源：广州日报