AI可看懂病歷、精準診斷不輸醫生……這是由依圖醫療與廣州市婦女兒童醫療中心共同完成,利用人工智能技術診斷兒科疾病的科研成果。國際頂級醫學科研期刊《自然·醫學》(《Nature Medicine》)2月11日發布了這一成果。

該月刊的這篇文章題為《使用人工智能評估和準確診斷兒科疾病》(“Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence”)。

據參考消息網-出海記記者了解,該文章由廣州市婦女兒童醫療中心與依圖醫療等企業和科研機構共同完成,基于機器學習的自然語言處理(NLP)技術實現不輸人類醫生的強大診斷能力,并具備多場景的應用能力。這是全球首次在頂級醫學雜志發表有關自然語言處理(NLP)技術基于電子健康記錄(EHR)做臨床智能診斷的研究成果,也是利用人工智能技術診斷兒科疾病的重磅科研成果。

診斷準確率優于人類

業界公認,人工智能是醫療行業革新的核心動力。然而,盡管機器學習在影像診斷方面表現強勢,但在數量巨大、多樣的電子病歷數據分析方面,仍面臨巨大挑戰。電子病歷的數據信息之廣、數據類型之多,以及某些方面的數據貧乏及可能出現的特殊案例等,都導致機器學習難以進行精確的數據分析,并進而形成預測臨床檢測的數據模型。

相關人士介紹,依圖提出并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對電子病例進行標注,利用邏輯回歸來建立層次診斷,在常見兒童疾病方面的綜合診斷準確率優于相對低年資兒科醫生(3年+8年臨床經驗)。

從數據來看,以呼吸系統疾病為例,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%)和細菌性腦膜炎(93%)。也就是說,該系統可以根據NLP系統注釋的臨床數據信息對兒科疾病做出準確的判斷。

輔助作用 有效地降低診斷時間

“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。使得后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于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復雜性上給予臨床支持”,依圖醫療總裁倪浩表示,“兒科疾病癥狀多種多樣,臨床醫生同樣難以區分,診斷流程費時費力,但明確診斷非常重要。擁有可與經驗豐富的兒科醫生相媲美的助手進行輔助診斷,能夠讓醫生有效地降低診斷時間,顯著優化診斷流程。”

相關人士表示,依圖與廣州市婦女兒童醫療中心進行合作,收集了該中心在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,并將這些信息用于訓練和驗證系統框架。相比以往模型,此次研究使用了超過140萬的龐大數據,以完善診斷系統,此外,此次研究中使用數據在表達和描述上的一致性,極大地提高了數據質量。

醫療貧乏地區的福音

廣州市婦女兒童醫療中心夏慧敏教授表示,“這篇文章的啟示意義在于,通過系統學習文本病歷,人工智能或將可以診斷更多疾病。但須要清醒認識到,我們仍有很多基礎性工作要做扎實,比如高質量數據的集成便是一個長期的過程,因為大數據的收集和分析需要算法工程師、臨床醫生、流行病學專家等在內的多專家的通力合作。此外,人工智能學習了海量數據后,其診斷結果的準確性仍然需要更大范圍的數據對其進行驗證和比對。”

可以預見的是,模型不僅能在醫療資源短缺或不均的地區發揮巨大作用,也將為全世界帶來重要的普適進步意義。

在2019年1月刊中,《自然·醫學》曾發表9篇論文聚焦AI醫療,此篇文章,在說明這一研究的學術領先性與應用拓展性的同時,也標志著人工智能在醫療行業的深度落地,及驅動醫療行業深層革新的巨大作用。

 

您可以復制這個鏈接分享給其他人:http://www.aiprh.tw/node/417