最近，一項利用人工智能技術診斷兒科疾病的科研成果公布。用納入系統(tǒng)的55種常見兒科疾病和部分危急重癥作測試，該人工智能系統(tǒng)診斷準確率超過了一般年輕醫(yī)生。目前，系統(tǒng)已經(jīng)在急診分診、門診中臨床應用，對一些兇險的、有可能威脅生命的重大疾病、罕見病，同樣可以輔助醫(yī)生診斷。

這次，真的有上規(guī)模研究實證，人工智能技術臨床診斷可以媲美人類醫(yī)生了。

北京時間2月12日零時14分，國際頂級醫(yī)學科研期刊《Nature Medicine》在線發(fā)布了題為《使用人工智能評估和準確診斷兒科疾病》的文章。該文章由廣州市婦女兒童醫(yī)療中心與依圖醫(yī)療等企業(yè)和科研機構共同完成。

這是全球首次在頂級醫(yī)學雜志發(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。

該研究成果表明，以后，人工智能也能看病了，而且醫(yī)術不低，拿納入系統(tǒng)的55種常見兒科疾病和部分危急重癥作測試，診斷準確率超過了一般年輕醫(yī)生。

讀懂病歷診斷準確

已在醫(yī)院臨床使用

這個人工智能系統(tǒng)“醫(yī)術”不低。

它看病就像人類醫(yī)生一樣。醫(yī)生將患者主訴、癥狀、個人疾病史、體格檢查、實驗室檢驗結果、影像學檢查結果、用藥情況等信息輸入病歷文本，系統(tǒng)自動將自由病歷文本轉換成規(guī)范化、標準化和結構化的數(shù)據(jù)。“讀懂”病歷后，系統(tǒng)給出診斷結果。

診斷準確率還挺高。以呼吸系統(tǒng)疾病為例，對上呼吸道疾病和下呼吸道疾病的診斷準確率分別為89%和87%，而在上呼吸道疾病診斷中，急性喉炎和鼻竇炎的準確率分別高達86%和96%，對不同類型哮喘的診斷準確率從83%到97%。同時對普通系統(tǒng)性疾病以及危險程度更高的疾病也有很高的診斷準確率，例如傳染性單核細胞增多癥(90%)、水痘(93%)、玫瑰疹(93%)、流感(94%)、手足口病(97%)、細菌性腦膜炎(93%)。

這好像有點超出我們的接受程度，但研究歸研究，實踐了嗎?別急，研究團隊還真的進行人機大戰(zhàn)檢驗，后來還在醫(yī)院真刀真槍臨床使用了。

研究人員隨機抽出12000份患兒病歷，一邊是人工智能，一邊是廣州市婦女兒童醫(yī)療中心的20位兒科醫(yī)生。20位“參賽”兒科醫(yī)生按年資和臨床經(jīng)驗高低分成5組，結果顯示，人工智能診斷準確率的平均得分高于前兩組低年資醫(yī)生，接近三組高年資醫(yī)生。

今年1月1日，該系統(tǒng)在廣州市婦兒中心進入臨床應用，1月1日至1月21日短短20天，該院醫(yī)生已實際調(diào)用它開展輔助診斷30276次，診斷與臨床符合率達到87.4%。

廣州市婦兒中心醫(yī)務部主任孫新談了使用體會，他說，這套系統(tǒng)會對疾病進行分組分類細分。比如在最常見的呼吸系統(tǒng)疾病中，這個系統(tǒng)會先按上呼吸道和下呼吸道進行區(qū)分，再按喉炎、氣管炎、支氣管炎、肺炎細分，比較科學。

會“看圖”能“識字”

深度學習醫(yī)學知識

機器會看病，在于機器深度學習“病歷”、醫(yī)學知識，有了病種庫后，建立診斷模型。

與以往人工智能系統(tǒng)不一樣的是，該系統(tǒng)不僅會靜態(tài)看圖，還會“識字”，學習的數(shù)據(jù)量之大前所未有。依圖與廣州市婦兒中心進行合作，收集了該中心在2016年1月至2017年7月間的56.7498萬個門診病人的136.2559萬次問診電子病歷，抽取到覆蓋初始診斷包括兒科55種病例學中常見疾病的1.016億個數(shù)據(jù)點。

其次，突破病歷文本語言和計算機語言之間的障礙。這是研究人工智能病歷學習中突破的最大難點。

為此，研究團隊利用依圖醫(yī)療的自然語言處理(NLP)技術建立一套病歷智能分析系統(tǒng)，將病歷變得標準化。并由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6183張圖表進行注釋、持續(xù)檢驗和迭代，保證了診斷的準確性。

依圖醫(yī)療總裁倪浩說：“此次成果的核心技術部分，實際上是通過深度學習技術與醫(yī)學知識圖譜，對電子病歷數(shù)據(jù)進行解構，從而構建了高質(zhì)量的智能病種庫，并在此基礎上建立各種診斷模型。”

兒童往往不會表達疾病癥狀，診斷流程費時費力，效率較低。倪浩說：“擁有可與經(jīng)驗豐富兒科醫(yī)生相媲美的人工智能助手輔助診斷，能有效地縮短診斷時間，優(yōu)化服務流程。”

既能“看圖”，又能“識字”，這意味著人工智能系統(tǒng)繼續(xù)學習能力大大增強。“對被采納的結果會增強記憶，對于被采納的結果，在核實之后會通過繼續(xù)學習實現(xiàn)能力的提升。”論文第一作者、廣州市婦兒中心數(shù)據(jù)中心主任梁會營博士說。

在此之前，該醫(yī)院已在3年中將數(shù)據(jù)標準化、結構化處理，實現(xiàn)了50多個診斷數(shù)據(jù)子系統(tǒng)的相互交流和互聯(lián)互通，為該系統(tǒng)應用打下基礎。

可輔助醫(yī)生診斷

能避免誤診漏診

該項研究成果將會帶來深遠影響。按照廣州市婦兒中心主任、院長夏慧敏所說，“人工智能輔助診斷既能在一定程度上解決醫(yī)療服務能力不足的問題，又能提高服務的公平性和可及性。”未來，這項技術還可以為基層和年輕兒科醫(yī)生提供輔診服務，為患兒家長提供智能自診服務和權威的第二診療意見，能有效避免誤診、漏診。

目前，該人工智能輔診系統(tǒng)已經(jīng)在急診分診、門診中臨床應用，對一些兇險的、有可能威脅生命的重大疾病、罕見病，同樣可以輔助醫(yī)生診斷。

能不能推廣到別的地區(qū)?倪浩認為，未來該系統(tǒng)具備應用到更多醫(yī)療場景中的能力，系統(tǒng)依賴的病種庫、權威醫(yī)學指南、頂級專家的經(jīng)驗，通過不斷地深度學習原有數(shù)據(jù)，可以給予人工智能系統(tǒng)標準和權威的診斷數(shù)據(jù)支持。

社科院人口與勞動經(jīng)濟研究所社會保障研究室主任陳秋霖分析，考慮到疾病的復雜性和可能存在的地域特征，在其他地區(qū)使用時，建議按更精準的要求開展適應性檢驗。“作為輔助診斷系統(tǒng)，達到一些基本要求后，不同地區(qū)可以在使用過程中進行完善。”

如果輔診其他疾病，陳秋霖認為，不同科室在人工智能應用上的要求有所不同，不能簡單套用。這一方面由疾病本身決定，比如疾病診斷的復雜性，也和學科是否具有數(shù)據(jù)基礎和標準等有關。

“基于病歷數(shù)據(jù)機器學習的智能醫(yī)學，是信息化時代醫(yī)學發(fā)展的重要方向。從長遠來看，需要對數(shù)據(jù)產(chǎn)權進行更清晰的界定，并形成一套創(chuàng)新的醫(yī)療數(shù)據(jù)產(chǎn)權制度，目的就是在保護個人隱私的前提下，激勵患者、醫(yī)生、醫(yī)院、第三方數(shù)據(jù)平臺企業(yè)都有積極性去創(chuàng)新智能醫(yī)學。”陳秋霖說，這些數(shù)據(jù)目前還缺乏互聯(lián)互通，一定程度上也影響著下一步的發(fā)展。