AI与医学论文

让AI技术与基础医学理论结合，成为AI用于临床 探索 的新思路。目前这一新思路已被证实确有更大潜力——

最近，由广州市妇女儿童医疗中心教授夏慧敏和加州大学圣地亚哥分校教授张康领衔、人工智能公司依图 科技 等共同参与的科研团队设计出一套基于AI的疾病诊断系统，就将医学知识图谱加入其中，使AI可以像人类医生一样根据读取的电子病历来“诊病”。

结果也颇为乐观：用纳入系统的55种常见儿科疾病和部分危急重症作测试，AI的诊断水平可达到儿科主治医生的专业水准。

目前，这一研究成果《使用人工智能评估和准确诊断儿科疾病》已于2月中旬在线发表于《自然—医学》杂志。

将深度学习技术与专业医学知识图谱进行结合，是该人工智能辅诊平台的最大特色。依图医疗总裁倪浩在接受笔者采访时说，未来对临床数据进行学习、为医生提供更多的辅助诊断能力（病种），采用深度学习+知识图谱的方式“很可行”。

为了使AI辅诊平台拥有专业的儿科医学知识，科研团队让它学习了万名儿童136万份电子文本病历中的诊断逻辑。这些来自广州市妇女儿童医疗中心2016年1月至2017年7月间的电子病历，覆盖了初始诊断包括儿科55种病例学中常见疾病的亿个数据点。

除了将医疗知识进行整合，科研团队还利用依图 科技 的自然语言处理（NLP）技术构建了一个自然语言处理模型，以对这些电子病历进行注释——通过将病历变得标准化，该模型在未经过“培训”的情况下可以粗略地将临床信息进行分类。

“粗略分类是指，将整个电子病历当作输入，将专家诊断结果作为输出，以达到粗略的分类。但这样并没有真正理解疾病本身，也很难解释为何做出了这个诊断。”倪浩告诉笔者， NLP模型虽然突破了病历文本语言和计算机语言之间的障碍，但知识图谱才是让AI诊断平台获取专家能力的关键 。

这也是他们接下来的一项重要工作：由30余位高级儿科医师和10余位信息学研究人员组成的专家团队，手动给电子病历上的6183张图表进行注释、持续检验和迭代，以保证诊断的准确性。

通过资深医疗专家注释的图表对AI诊断平台进行“培训优化验证”后，研究人员发现，经过深度学习的NLP模型可以对电子病历进行很好的注释，在体检和主诉项目的注释上分别达到最高灵敏度和精确度。也就是说， 深度学习的NLP模型能够准确地读取电子病历中记录的信息，并可以准确作出符合临床标准的批注。而这也是整个研究中最为关键的部分。

“通过引入知识图谱将每种疾病的电子病历深入解构，使得NLP模型具备了理解电子病历的能力。例如手足口病与哪些特征密切相关，川崎病最相关的特征是什么，让模型在给出准确诊断的基础上，能够具备更好的医学可解释性。”倪浩解释说，“有了知识图谱，再用深度学习技术来解构电子病历，就能够真正理解临床数据。基于此，机器学习分类等算法就有用武之地，否则把电子病历当成‘黑盒子’，是无法构建高精度可解释的模型的。”

综合利用深度学习技术与医学知识图谱对电子病历数据进行解构，研究人员据此构建了高质量的智能病种库，这使得后续可以较容易地利用智能病种库建立各种诊断模型。

构建一个多层级的诊断模型，是研究人员把AI诊断平台打造成为儿科医生的第二步。倪浩介绍说，这一基于逻辑回归分类器创建的诊断模型，首先会按呼吸系统疾病、胃肠道疾病、全身性疾病等几大系统分，然后在每一类下面做细分—— 这是让AI模拟人类医生的诊疗路径，对目标患儿的数据进行逐级判定 。

结果显示，基于NLP模型准确读取的数据，AI诊断模型能够对儿科疾病作出精确诊断： 平均准确率达90%，对神经精神失调疾病的诊断准确率更是高达98%。

在对相应儿科疾病的划分和诊断上，该诊断模型同样表现不俗。系统对上呼吸道疾病和下呼吸道疾病的诊断准确率分别为89%和87%。同时，该系统对普通系统性疾病以及高危病症也有很高的诊断准确率，例如传染性单核细胞增多症准确率为90%，水痘为93%，玫瑰疹93%，流感94%，手足口病为97%和细菌性脑膜炎为93%。

这揭示出，该诊断系统可以根据NLP系统注释的临床数据信息对常见儿科疾病作出较高准确度的判断。

研究人员随后运用11926个临床病例比较了AI诊断系统和5个临床治疗组诊断儿科疾病的水平，其中参与研究的治疗组从事临床工作时间和资历逐渐增加。结果显示， AI诊断系统反映模型综合性能的F1评分均值高于2个年轻医生组成的治疗组，但稍逊于3个高年资医生组成的治疗组。

论文认为，这说明该AI诊断系统可以协助年轻治疗团队进行疾病诊断，提升团队诊疗水平。

今年1月1日，该系统在广州市妇女儿童医疗中心投入临床应用。 仅1月1日至1月21日短短20天，该院医生实际调用它开展辅助诊断30276次，诊断与临床符合率达到。广州市妇儿中心医务部主任孙新在体验该系统后表示，这套系统在对疾病进行分组分类方面“比较科学”。

上述论文发表后，《纽约时报》点评这项研究称，“前后访问了儿科医院18个月中数十万名中国就医儿童的数据，能有这么庞大的数据量用于研究，也是中国在全球人工智能和竞赛中的优势。”

“数据确实是我们此次研究成果的核心关键之一。”倪浩说，“不过，高质量标准数据来源于强大的联合团队，我们专门开发了数据标准系统，进行了大量的数据标注。”

论文通讯作者之一、广州市妇女儿童医疗中心教授夏慧敏表示，这篇文章的启示意义在于“通过系统学习文本病历，AI或将诊断更多疾病”。不过他提醒道， 当下还须清醒认识到，仍有很多基础性工作要做扎实，比如高质量数据的集成便是一个长期的过程。

笔者了解到，该医院在近3年里注重将数据标准化、结构化处理，实现了50多个诊断数据子系统的相互交流和互联互通，为该系统应用打下了基础。

“此外，A I学习了海量数据后，其诊断结果的准确性仍然需要更大范围的数据对其进行验证和比对。 ”夏慧敏说。

AI技术落地的4元素之中，场景也非常重要。论文的另一位通讯作者张康认为，该研究以儿科疾病为对象意义重大。

“对儿科疾病的诊断是医疗中的一大痛点。一些儿科疾病威胁程度较大需要尽快得到治疗，而儿童恰恰不善于表达病情，因此快速、准确地对儿科疾病进行诊断非常必要。”张康表示，当前儿科医生供不应求，论文中构建的AI诊断系统对于严重不足的医疗资源会有很大的辅助作用。

相关论文信息：DOI:

2019年8月29日，由浙江省卫生 健康 委、浙江省发展改革委、浙江省经信厅联合主办，杭州健培 科技 有限公司、浙江省 健康 服务业促进会承办的首届长三角 健康 产业高质量发展大会暨2019西湖论健·浙江国际 健康 产业高峰论坛在杭州国际博览中心召开。亿欧大 健康 作为独家专访媒体受邀参加。

论坛以“5G开启医疗AI新纪元”为主题，解读了国内政策权威，探讨了医学 科技 、AI与5G融合、5G与医院智能化，发布5G医疗AI系列成果，进行了医学 科技 、AI与5G融合、5G与医院智能化、5G智慧医疗技术交流。

全国政协委员、中国科学院自动化研究所所长、中国科学院人工智能学院院长、中国科学院浙江数字内容研究院院长徐波，中国科学院院士、浙江省肿瘤医院院长谭蔚泓，前美国药监局（FDA）审评官、美国国家癌症研究所（NCI）项目主任孙立英等专家学者以及美年 健康 董事长俞熔、健培 科技 董事长，西湖论健创始人兼组委会主席程国华、亿欧公司副总裁、亿欧大 健康 总裁高昂等嘉宾共同出席。

邵逸夫医院影像科主任胡红杰也出席了该论坛。他是中华医学会放射学分会胸心学组成员。他自1984年开始从事医学影像学工作二十余年，曾赴美国Loma Linda University Medical Center和Mayo Clinic学习，掌握包括普通X线诊断学、CT、MRI、介入放射学在内的各门影像医学技术，擅长肿瘤的影像学诊断和介入放射学治疗，尤其对胸腹部病变有较深入的研究。

会上，胡红杰对AI在医疗影像中的应用现状和前景发表了自己的看法。他认为：第一，临床的问题永远是最早的出发点，而目前AI在临床上的的应用尚未成熟，有待开发；第二，AI不可能替代医生，但可以为医生提供很多帮助。未来不会AI的医生将被淘汰；第三，AI临床应用的高质量数据还很缺乏，同时AI软件敏感度很高、特异度很低、设计层面过于理想化等问题还需要克服。

亿欧大 健康 ：医学AI在肺结节的治疗上相对于其他领域来说是否是最为成熟的？

亿欧大 健康 ：有医生觉得现在市面上的AI诊断产品不够好用，筛查准确度还不是很高，他们担心使用过程中还会出现一些误诊或漏诊的问题。对此您怎么看？

胡红杰： 新的肺结节诊断软件还是挺多的，各家各有优势，基本的功能都差不多。我觉得需要有一个良性竞争促使这些软件更新成能更符合临床要求的产品，做到既能发现病灶又能精确地诊断，避免将一些无关阴影判断成肺结节。我们科室引进了好几款相关产品来比较，通过比较反馈来帮助筛查软件进一步完善。

亿欧大 健康 ：您觉得肺结节的AI诊断在哪些方面还需要优化？

胡红杰： 首先，软件的敏感度足够了但特异性不够，这一点很重要。其次，希望产品能跟诊断的平台无缝的对接，甚至能在源头对生产图像的设备进行整合。目前企业都在中远端或是末端整合有点迟了，我觉得需要在源头进行整合，生产图像的公司同时生产AI的序列，这样可以避免后面的使用者做太多数据转换的重复工作。

亿欧大 健康 ：除了肺结节之外您觉得AI还可以应用到哪些病种的诊疗上？

胡红杰： 大多临床上误诊漏诊率比较高的，或者发生的比较频繁的疾病都可以结合AI诊疗，比如说前列腺、乳腺、甲状腺、胰腺之类的病症，它们都可以用AI诊疗。但是肺部疾病方面开发AI的产品难度要大一点。

亿欧大 健康 ：难度是表现在数据的收集上吗？

胡红杰： 对，主要因为肺部的结构比较复杂，特异性比较强。人的胰腺有肥有瘦，有大有小，人可以适应，但是有的机器不是那么灵活。所以怎么适应各种情况需要更多的AI方面的科学家来进行研究。

亿欧大 健康 ：医疗人工智能软件在我们邵逸夫医院实际使用频率怎么样？

胡红杰： 频率要看公司产品的质量和医生接受程度。原来装进来的软件都是不太方便的单机版，经整合以后使用频率大大增加。当然，医生对AI的熟悉也要有一个过程，一开始医生觉得加了AI更麻烦会拒绝使用软件。但是慢慢的医生发现AI可以帮忙，很方便，就会增加使用频率。

亿欧大 健康 ：您觉得AI产品往下沉到一些基层医院的应用场景是可行的吗？

胡红杰： 我觉得这是很好的方向，因为整个直辖市也在推进“双下沉两提升”，但是毕竟大医院也比较忙，帮扶的力度、方式、方法都有待加强完善。我觉得基层医疗更缺乏优质的医疗资源，AI能扮演一个非常好的角色，它可以通过远程的方式来赋能医疗。我个人觉得AI可以发挥的余地、领域还很大。

亿欧大 健康 ：那5G技术来临，是不是更能加速医疗技术的下沉，然后推动医疗AI的落地？

胡红杰： 那是绝对的，因为5G重点是速度的提升，速度的提升带来的变化非常巨大，今后异地的一些操作就会变得非常便捷。目前我们更希望在放射科内部进行工作，而离开这个环境会觉得不太方便，有时候网络不太好。5G技术落地后人可以在更多空间进行工作，这样可以节省很多成本。

亿欧大 健康 ：其实我们接触过不少的三甲医院或者是一些顶级医院的院长、主任，他们觉得使用AI医疗产品没问题，但却不大愿意付费，对此您怎么看？

胡红杰： 我个人觉得，目前AI诊疗毕竟处于起步阶段，它还有待完善、健全。这个过程当中可以免费，但是真正成熟之后那是需要有一些有偿服务的，否则也不利于AI产业的 健康 发展。这是个时间问题，需要在国家层面、行业层面都建立一些规范，有一些法律法规、规章制度来制约后问题会好解决一些。现在已经有AI产品在卖了，但是占的比例还不够大，我相信将来会有越来越多成熟的AI产品能够赋能临床，随之产生的效益自然而然要付费的。

亿欧大 健康 ：邵逸夫医院现在有做一些信息化的尝试吗？

胡红杰： 现在，我们医院层面高度重视信息化、电子化。我个人觉得很多传统的工作模式已经完全打破了，比如说我们异地、跨院区的工作进行已经非常方便了。最近我们增加了第三个院区，在医护人员在位置不变的情况下可以完成不同院区的工作，这就信息智能带来的便捷。