今年2月，《Nature Medicine》在線刊發了由中國依圖醫療與廣州市婦女兒童醫療中心聯合科研團隊完成的題為《使用人工智能評估和準確診斷兒科疾病》的文章。據悉，這是該權威醫學雜誌首次發表有關自然語言處理（NLP）技術基於中文文本型電子病歷（EHR）做臨床智能診斷的研究成果，也刷新了中國智慧醫療實際應用的新高度。
此篇論文由廣州市婦女兒童醫療中心團隊、美國加州大學聖地亞哥分校專家團隊和依圖醫療團隊等共同完成。廣州市婦女兒童醫療中心主任夏慧敏教授、數據中心梁會營博士、醫務部孫新主任及兒內科門診何麗雅主任團隊完成了兒科智能輔助診斷的應用場景設計。作為國內近年來醫學NLP領域重磅的科研成果，消息一經發布即引起多方關注。
深度學習：
訓練AI醫生讀懂海量電子病歷
依圖醫療CEO倪浩介紹，為了實現對於電子病歷信息的高效治理及分析利用，並以此為基礎構建AI輔診模型，依圖醫療的科學家們與廣州市婦女兒童醫療中心專家團隊提出並測試了一個專門對電子醫學病例進行數據挖掘的系統框架，將醫學知識和數據驅動模型結合在一起。該模型先通過NLP對電子病歷進行標註，利用邏輯迴歸來建立層次診斷，從而實現對於常見兒童疾病的AI輔診。自2016年10月起，聯合科研團隊針對廣州市婦女兒童醫療中心在2016年1月至2017年7月間的567,498個門診病人的1,362,559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1.016億個數據點，並將這些信息用於訓練和驗證系統框架。此次研究同時還基於NLP實現了病歷的結構化。
研究過程中，擁有超過25年臨床實踐經驗的主治醫師手動註釋了6,183個圖表，然後用3,564張人工標註的圖表對NLP信息提取模型進行訓練，並用剩下的2,619張圖表對模型進行驗證。該NLP模型總結了代表臨床數據的關鍵概念類別，利用深度學習技術自動將電子健康記錄（EHR）註釋到標準化詞彙和臨床特徵中，從而允許對診斷分類進行進一步處理。
性能測試中，科研團隊抽取了1.2萬電子病歷，並召集20位臨床醫師與之進行性能對照。結果顯示，這套基於智能病種庫搭建的AI輔診模型在55種兒科常見病的診斷準確率已經接近9成，部分疾病如急性上呼吸道感染，其診斷準確率已達到95%。
AI模型的平均得分0.885，高於醫生組1
平均分0.841和醫生組2平均分0.839
倪浩表示，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學知識圖譜，對EHR數據進行解構，從而構建了高質量的智能病種庫。使得後續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於AI的系統可以幫助醫生處理大型數據和輔助診斷，同時在診斷的不確定性和複雜性上給予臨床支持。
目前，該系統在廣婦兒2019年的第一季度調用量已經超過了3萬次。
意義深遠：
“AI醫生”的夢想照進現實
廣州市婦女兒童醫療中心主任夏慧敏教授對AI輔診未來寄予厚望，他表示：“國家大力推進的人工智能規劃，讓我們看到了契機，基於信息化產生的優質醫療大數據落地AI技術和平臺，既能在一定程度上解決醫療服務能力不足的問題，又能提高健康服務的公平性和可及性。我們希望，AI醫療可以幫助邊遠、基層、年輕的醫生，為基層兒科醫生和年輕兒科醫生提供輔助診療服務，為患兒家長提供智能自診服務和權威的第二診療意見，避免誤診、漏診造成的醫療風險。”
閱讀更多 健康報 的文章
