北京時間2月12日零時14分，國際知名醫學科研期刊《自然醫學》（Nature Medicine）在線刊登題為《使用人工智能評估和準確診斷兒科疾病》（Evaluation andaccurate diagnoses of pediatric diseases using artificial intelligence）的文章，這是全球范圍內，頂級醫學雜志首次發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。
該成果被期待若用于診察，將減少遺漏，有助于早期治療。研究團隊力爭將其作為幫助醫生判斷的裝置投入實際應用。
既能像醫生一樣思考又能準確讀懂病歷
此文是由廣州市婦女兒童醫療中心夏慧敏教授、張康教授（加州大學圣地亞哥分校）、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與依圖醫療倪浩團隊、康睿智能科技等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。這也是該團隊繼在《細胞》雜志封面發表有關AI圖像診斷的論文后，不到一年時間里，在AI技術實施應用于醫療方面取得的另一個重要里程碑，它標志AI模擬人類醫生進行疾病診斷時代的到來。
近年來，AI在基于醫學圖像的診斷工具表現搶眼，但一般仍局限于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、分析復雜的病歷，意味著人工智能或將能像醫生一樣“思考”。
研究人員們訓練AI理解海量電子病歷中的臨床特征數據，包括患者主訴、癥狀、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范話、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余位高級兒科醫師和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6000多張圖表進行注釋，并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醫學先驗知識輸入成為這套系統的關鍵優勢”。
對于一些兇險的、有可能威脅生命的疾�。ɡ缂毙韵l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于最需要幫助的患者�！�
可應用于診斷多種兒科常見疾病
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可應用于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，并把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模型的平均得分高于兩組低年資醫生，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、癥狀、疾病史、用藥史等信息，做出粗略診斷，給出可能的疾病范圍；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征，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，在實踐中對于被采納的結果會增強記憶，對于未被采納的結果在核實之后會通過繼續學習實現能力的提升�！睆V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，通過上線后三個月的完善迭代，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。
未來AI或將可以診斷更多疾病
據研究團隊介紹，該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復雜或罕見疾病。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并思考可能不會立即顯現的診斷可能性。
對于人工智能輔助診斷系統的未來，廣州市婦女兒童醫療中心主任夏慧敏教授表示，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。其最大的貢獻在于，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，人工智能或將可以診斷更多疾病，專家指出，很多基礎性工作也仍待完善，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。”