尋夢新聞LINE@每日推播熱門推薦文章,趣聞不漏接❤️
【獵雲網(微信:ilieyun)北京】2月12日報導
國際知名醫學科研期刊《自然醫學》(Nature Medicine)在線刊登於文章題為《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),此文是由廣州市婦女兒童醫療中心夏慧敏教授、張康教授(加州大學聖地亞哥分校)、數據中心梁會營博士、醫務部孫新主任以及兒內科門診何麗雅主任團隊與依圖醫療、康睿智能科技等業內頂級研究團隊及廣東省再生醫學重點實驗室,利用人工智能技術診斷兒科疾病的重磅科研成果。這是全球首次在頂級醫學雜誌發表有關自然語言處理(NLP)技術基於中文文本型電子病歷(EMR)做臨床智能診斷的研究成果。
這是該團隊在《細胞》雜誌封面發表有關AI圖像診斷的論文後,不到一年時間里,在AI技術實施應用於醫療方面取得的另一個重要里程碑。它標誌AI模擬人類醫生進行疾病診斷時代的到來。
不僅能夠「看圖」識別影像,還能「識字」讀懂病歷
近年來,AI在基於醫學圖像的診斷工具表現搶眼,但一般還局限於相對標準化的靜態圖像數據。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據(醫生的知識和語言)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、分析複雜的病例,意味著人工智能可能將能像醫生一樣「思考」。
研究人員們訓練AI理解海量電子病歷中的臨床特徵數據,包括患者主訴、症狀、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據。研究團隊利用依圖醫療的NLP技術建立一套病歷智能分析系統,深度挖掘和分析醫療文本的信息,將非結構化文本形式的病歷數據變成規範話、標準化和結構化的數據,以便AI可以準確完整地「讀懂」病歷。為此,醫生、科學家和技術人員通力合作,由30餘位高級兒科醫師和10餘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多張圖表進行註釋,並持續對模型進行檢驗和迭代。
研究團隊還開發了一套診斷結果智能推薦系統,模擬人類醫生的診療路徑,把目標患兒進行逐級判定。廣州市婦兒中心醫務部主任孫新認為,「專業兒科醫生高質量的先驗醫學知識輸入成為這套系統的關鍵優勢」。具體來看,這套系統首先會按呼吸系統疾病、胃腸道疾病、全身性疾病等幾大系統分,然後在每一類下面做細分。舉例來說,在最常見的呼吸系統疾病中,這個系統會先按上呼吸道和下呼吸道進行區分,再按喉炎、氣管炎、支氣管炎、肺炎進行細分。經過檢驗,在每一層級,由AI做出的初級診斷在精確度上都接近檢查醫師做出的初級診斷。例如在患兒群體中最常見的急性上呼吸道感染,模型對病例的診斷達到95%的準確率。
對於一些兇險的、有可能威脅生命的疾病(例如急性哮喘發作、細菌性腦膜炎等),算法也同樣表現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,就可以讓醫療服務的有限資源用於最需要幫助的患者。」
依圖醫療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對電子病例進行標註,利用邏輯回歸來建立層次診斷,在診斷常見兒童疾病方面可與經驗豐富的兒科醫生相媲美。
依圖醫療CEO倪浩(論文共同第一作者)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EMR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。兒科疾病症狀多種多樣,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。」
可應用於診斷多種兒科常見疾病,準確度與經驗豐富的兒科醫師相當
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應用於診斷多種兒科常見疾病,準確度與經驗豐富的兒科醫師相當。研究人員隨機抽出12000份患兒病歷,並把20位「參賽」兒科醫生按年資和臨床經驗高低分成5組,看看AI的成績和哪一組醫生接近。結果顯示,AI模型的平均得分高於兩組低年資醫生,接近三組高年資醫生。
研究人員介紹,該AI系統可以通過人機交互獲取患者或家長口述文本,包括主訴、症狀、疾病史、用藥史等信息,做出粗略診斷,給出可能的疾病範圍;通過醫生當面問診或互聯網遠程問診,獲取詳細病情及鑒別診斷特徵,模型據此重新運算,給出具體的精確診斷;如果有實驗室檢驗或影像檢查數據,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,在實踐中對於被采納的結果會增強記憶,對於未被采納的結果在核實之後會通過繼續學習做到能力的提升。」 廣州市婦女兒童醫療中心數據中心主任梁會營博士(本文第一作者)透露,通過上線後三個月的完善迭代,該系統在2019年的第一季度調用量已經超過了3萬次,他強調這些調用的數據是對輔診熊實用性能評估、針對性能力提升的指南針。
仍有很多基礎性工作要做,未來可能有更加廣闊的前景
廣州市婦女兒童醫療中心主任夏慧敏表示:「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技術和平台,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。我們希望在不久的將來,這項技術將能形成大範圍的示範推廣,為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。
據研究團隊介紹,這個人工智能輔助診斷系統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據輸入到模型中,允許算法生成預測診斷,幫助醫師篩選優先診治哪些患者;另一個潛在應用是幫助醫師診斷複雜或罕見疾病。通過這種方式,醫師可以使用AI生成的診斷來幫助拓寬鑒別診斷並思考可能不會立即顯現的診斷可能性。
對於個人工智能輔助診斷系統的未來,夏慧敏教授表示:「這項研究,將會成為AI技術在醫療中實施應用的重要里程碑。其最大的貢獻在於,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。
通過系統學習文本病歷,人工智能可能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紮實,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通力合作。此外,人工智能學習了海量數據後,其診斷結果的準確性仍然需要更大範圍的數據對其進行驗證和比對。」