人工智能讀病例登自然子刊：用于兒科診斷系統(tǒng)，準(zhǔn)確率90％

2月12日，知名醫(yī)學(xué)期刊《自然醫(yī)學(xué)》在線發(fā)表的一篇論文報(bào)告了一種人工智能疾病診斷系統(tǒng)，該系統(tǒng)使用基于機(jī)器學(xué)習(xí)的自然語言處理技術(shù)，在50多種常見兒童疾病中的診斷準(zhǔn)確度高于初級(jí)兒科醫(yī)生，達(dá)90%左右。

這篇論文題為“Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence”（《使用人工智能評(píng)估和準(zhǔn)確診斷兒科疾卜），由廣州市婦女兒童醫(yī)療中心夏慧敏教授、加州大學(xué)圣地亞哥分校張康教授等領(lǐng)銜的團(tuán)隊(duì)與人工智能公司依圖科技合作完成。

研究人員提出并測(cè)試了一個(gè)專門對(duì)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(shí)和數(shù)據(jù)驅(qū)動(dòng)模型結(jié)合在一起。該系統(tǒng)先通過自然語言處理技術(shù)對(duì)電子病例進(jìn)行標(biāo)注，再利用邏輯回歸來建立層次診斷。

人工智能系統(tǒng)診斷兒科疾病流程圖。

AI兒科疾病診斷準(zhǔn)確率90%左右

本文共同第一作者、依圖醫(yī)療CEO倪浩對(duì)澎湃新聞（）表示，選擇兒科疾病作為研究對(duì)象，一方面是由于國家全面開放二孩后對(duì)兒科醫(yī)生的需求會(huì)越來越高，而兒科醫(yī)生缺乏、流失率高是眾所周知的社會(huì)現(xiàn)狀；另一方面，通過人工智能技術(shù)還原兒科醫(yī)生能力，能服務(wù)三甲醫(yī)院和基層醫(yī)院，取得較好的臨床及社會(huì)效益。

據(jù)論文顯示，在常見的兒童疾病中，該人工智能系統(tǒng)展現(xiàn)出了良好的診斷準(zhǔn)確率。以呼吸系統(tǒng)疾病為例，人工智能疾病診斷系統(tǒng)對(duì)上呼吸道疾病和下呼吸道疾病的診斷準(zhǔn)確率分別為89%和87%，在上呼吸道疾病診斷中，急性喉炎和鼻竇炎的準(zhǔn)確率分別為86%和96%，對(duì)不同類型哮喘的診斷準(zhǔn)確率從83%到97%。

在普通系統(tǒng)性疾病以及危險(xiǎn)程度更高的疾病中，該人工智能疾病診斷系統(tǒng)也展現(xiàn)出較高的診斷準(zhǔn)確率，例如傳染性單核細(xì)胞增多癥（90%）、水痘（93%）、玫瑰疹（93%）、流感（94%）、手足口病（97%）和細(xì)菌性腦膜炎（93%）。

為了訓(xùn)練上述人工智能診斷系統(tǒng)，研究人員在廣州婦兒醫(yī)院收集了56.7萬個(gè)門診病人的136萬次問診電子病歷，從中抽取到1.016億個(gè)兒科常見疾病的數(shù)據(jù)點(diǎn)，再將這些信息用于訓(xùn)練和驗(yàn)證系統(tǒng)框架。病例的時(shí)間跨度為2016年1月到2017年7月，病人的年齡中位數(shù)為2.35歲。初始診斷包括兒科的55種多種病例學(xué)中的常見疾玻

人工智能系統(tǒng)和醫(yī)療團(tuán)隊(duì)在兒科疾病診斷水平的比較（表中第二列代表人工智能系統(tǒng)的診斷準(zhǔn)確率，第三至第七列為醫(yī)生的診斷準(zhǔn)確率；每一行代表不同的疾病，依次為有哮喘、腦炎、腸胃疾并急性喉炎、肺炎、鼻竇炎、下呼吸道疾病等 ）。

研究人員還通過一個(gè)獨(dú)立的11926份兒科病例，進(jìn)行了人工智能系統(tǒng)和5組人類醫(yī)生的診斷對(duì)比。研究發(fā)現(xiàn)，模型的診斷水平超出了兩組初級(jí)醫(yī)生，但低于三組資深醫(yī)生。該結(jié)果表明模型可以幫助初級(jí)醫(yī)生進(jìn)行診斷，但還無法超過富有資歷的醫(yī)生。

協(xié)助分診，未來有望拓寬至成人科室

在應(yīng)用層面，本文作者認(rèn)為，這種類型的人工智能系統(tǒng)可能有助于簡(jiǎn)化患者護(hù)理環(huán)節(jié)，例如對(duì)患者進(jìn)行分診。護(hù)士或普通醫(yī)生可以先通過記錄一些基本數(shù)據(jù)來讓模型產(chǎn)生一個(gè)預(yù)測(cè)診療結(jié)果。這個(gè)結(jié)果可以決定病人的優(yōu)先級(jí)，區(qū)分那些可能患普通感冒的患者和那些病情更嚴(yán)重、需要緊急干預(yù)的患者。

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，以拓寬醫(yī)生的鑒別診斷思路，減輕思維局限性。

本研究中的人工智能疾病診斷系統(tǒng)能否適用于其他疾病場(chǎng)景？它的遷移性如何？

對(duì)于這個(gè)問題，共同第一作者倪浩對(duì)澎湃新聞表示，該系統(tǒng)在設(shè)計(jì)之初就考慮到了臨床數(shù)據(jù)的標(biāo)準(zhǔn)化、統(tǒng)一化程度有限及不同醫(yī)療機(jī)構(gòu)之間的臨床數(shù)據(jù)豎井式問題，研究人員通過國際醫(yī)學(xué)標(biāo)準(zhǔn)化術(shù)語集合和臨床術(shù)語同義詞庫等方式，在一定程度上減輕不同醫(yī)療機(jī)構(gòu)之間醫(yī)學(xué)文本描述不一致的問題。

他還介紹，在診斷依據(jù)層面，這項(xiàng)研究結(jié)合的是標(biāo)準(zhǔn)的臨床實(shí)踐指南、經(jīng)典臨床教科書和高年資主任的經(jīng)驗(yàn)，可以適配全國不同層級(jí)的醫(yī)療機(jī)構(gòu)。“此次論文描述的是一整套完整的、基于臨床科室構(gòu)建出診斷系統(tǒng)的體系。未來有望拓展到多更多臨床科室，包括成人科室”。

該研究的通訊作者，廣州市婦女兒童醫(yī)療中心夏慧敏教授表示，“這篇文章的啟示意義在于，通過系統(tǒng)學(xué)習(xí)文本病歷，人工智能或?qū)⒖梢栽\斷更多疾玻”但他同時(shí)指出，須要清醒認(rèn)識(shí)到，仍有很多基礎(chǔ)性工作要做扎實(shí)，比如高質(zhì)量數(shù)據(jù)的集成是一個(gè)長期的過程，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(xué)專家等在內(nèi)的多專家的通力合作。

夏慧敏還提到，“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(duì)其進(jìn)行驗(yàn)證和比對(duì)。”