北京時間2月12日零時14分，國際知名醫(yī)學科研期刊《自然醫(yī)學》（Nature Medicine）在線刊登題為《使用人工智能評估和準確診斷兒科疾病》（Evaluation andaccurate diagnoses of pediatric diseases using artificial intelligence）的文章，這是全球范圍內，頂級醫(yī)學雜志首次發(fā)表有關自然語言處理（NLP）技術基于中文文本型電子病歷（EMR）做臨床智能診斷的研究成果。
該成果被期待若用于診察，將減少遺漏，有助于早期治療。研究團隊力爭將其作為幫助醫(yī)生判斷的裝置投入實際應用。
既能像醫(yī)生一樣思考又能準確讀懂病歷
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（加州大學圣地亞哥分校）、數(shù)據(jù)中心梁會營博士、醫(yī)務部孫新主任及兒內科門診何麗雅主任團隊與依圖醫(yī)療倪浩團隊、康睿智能科技等研究團隊及廣東省再生醫(yī)學重點實驗室，利用人工智能技術診斷兒科疾病的重磅科研成果。這也是該團隊繼在《細胞》雜志封面發(fā)表有關AI圖像診斷的論文后，不到一年時間里，在AI技術實施應用于醫(yī)療方面取得的另一個重要里程碑，它標志AI模擬人類醫(yī)生進行疾病診斷時代的到來。
近年來，AI在基于醫(yī)學圖像的診斷工具表現(xiàn)搶眼，但一般仍局限于相對標準化的靜態(tài)圖像數(shù)據(jù)。在這項最新科研成果中，人工智能在識別影像的基礎上，通過自動學習病歷文本數(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，能更進一步讀懂、分析復雜的病歷，意味著人工智能或將能像醫(yī)生一樣“思考”。
研究人員們訓練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、個人史、體格檢查、實驗室檢驗結果、影像學檢查結果、用藥信息等多方面的數(shù)據(jù)。研究團隊利用依圖醫(yī)療的NLP技術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，將非結構化文本形式的病歷數(shù)據(jù)變成規(guī)范話、標準化和結構化的數(shù)據(jù)，以便AI可以準確完整地“讀懂”病歷。為此，醫(yī)生、科學家和技術人員通力合作，由30余位高級兒科醫(yī)師和10余位信息學研究人員組成的專家團隊手動給電子病歷上的6000多張圖表進行注釋，并持續(xù)對模型進行檢驗和迭代。
研究團隊還開發(fā)了一套診斷結果智能推薦系統(tǒng)，模擬人類醫(yī)生的診療路徑，把目標患兒進行逐級判定。廣州市婦兒中心醫(yī)務部主任孫新認為，“專業(yè)兒科醫(yī)生高質量的醫(yī)學先驗知識輸入成為這套系統(tǒng)的關鍵優(yōu)勢”。
對于一些兇險的、有可能威脅生命的疾病（例如急性哮喘發(fā)作、細菌性腦膜炎等），算法也同樣表現(xiàn)出了強大的診斷性能。廣州市婦兒中心兒內科門診主任何麗雅認為：“這在臨床應用中有非常重要的意義，因為有了AI快速分診的輔助，就可以讓醫(yī)療服務的有限資源用于最需要幫助的患者。”
可應用于診斷多種兒科常見疾病
通過自動學習來自56.7萬名兒童患者的136萬份高質量電子文本病歷中的診斷邏輯，該AI可應用于診斷多種兒科常見疾病，準確度與經(jīng)驗豐富的兒科醫(yī)師相當。研究人員隨機抽出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)驗高低分成5組，看看AI的成績和哪一組醫(yī)生接近。結果顯示，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)生當面問診或互聯(lián)網(wǎng)遠程問診，獲取詳細病情及鑒別診斷特征，模型據(jù)此重新運算，給出具體的精確診斷；如果有實驗室檢驗或影像檢查數(shù)據(jù)，AI模型還可以進一步確認其診斷結果。更重要的是，它具備增量學習的功能，在實踐中對于被采納的結果會增強記憶，對于未被采納的結果在核實之后會通過繼續(xù)學習實現(xiàn)能力的提升。”廣州市婦女兒童醫(yī)療中心數(shù)據(jù)中心主任梁會營博士（本文第一作者）透露，通過上線后三個月的完善迭代，該系統(tǒng)在2019年的第一季度調用量已經(jīng)超過了3萬次，他強調這些調用的數(shù)據(jù)是對“輔診熊”實用性能評估、針對性能力提升的指南針。
未來AI或將可以診斷更多疾病
據(jù)研究團隊介紹，該人工智能輔助診斷系統(tǒng)將可以通過多種方式應用到臨床中。首先，它可以用作分診程序。例如，當患者來到急診科，可由護士獲取其生命體征、基本病史和體格檢查數(shù)據(jù)輸入到模型中，允許算法生成預測診斷，幫助醫(yī)師篩選優(yōu)先診治哪些患者；另一個潛在應用是幫助醫(yī)師診斷復雜或罕見疾病。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立即顯現(xiàn)的診斷可能性。
對于人工智能輔助診斷系統(tǒng)的未來，廣州市婦女兒童醫(yī)療中心主任夏慧敏教授表示，這項研究，將會成為AI技術在醫(yī)療中實施應用的重要里程碑。其最大的貢獻在于，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藏的疾病信息。通過系統(tǒng)學習文本病歷，人工智能或將可以診斷更多疾病，專家指出，很多基礎性工作也仍待完善，如高質量數(shù)據(jù)的集成便是一個長期的過程，因為大數(shù)據(jù)的收集和分析需要算法工程師、臨床醫(yī)生、流行病學專家等在內的多專家通力合作。此外，人工智能學習了海量數(shù)據(jù)后，其診斷結果的準確性仍然需要更大范圍的數(shù)據(jù)對其進行驗證和比對�！�