发力AI＋儿童医疗，中国团队成果登上Nature子刊

说起AI+医疗，大部分人首先想到的肯定是“AI看片”，也就是AI在读取医疗影像方面的应用，比如CT，病理影像，内窥镜，心电、肌电图等。但最近一项基于自然语言处理（NLP）实现的AI临床智能诊断研究成果，却登上了顶级医学科研期刊《Nature Medicine》，这在全球尚属首次。

文章题为《Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence》（《使用人工智能评估和准确诊断儿科疾病》），由广州市妇女儿童医疗中心、依图医疗、美国加州大学圣迭戈分校合作完成。

合作团队提出并测试了一个专门对电子医学病例进行数据挖掘的系统框架，将医学知识、数据和数据驱动模型深度结合，通过NLP对电子病例进行标注，利用逻辑回归来建立层次诊断。借助在18个月内中国近60万名儿科患者的记录，该软件诊断出了常见的儿童疾病，准确率超过85%，在常见儿童疾病方面的综合诊断准确率优于相对低年资儿科医生（3年+8年临床经验）。

评估和诊断系统具备极强的多场景应用能力。例如在分诊环节，通过记录基础数据让模型产生预测诊疗结果，并通过这个结果评估病人的优先级，以确保医生可以按需就诊。基于AI的诊断模型还可以帮助医生诊断复杂或罕见病症，提示可能情况，避免由于医生受限于自身专业或经验，在复杂病症出现时出现误诊。

人工智能系统诊断儿科疾病流程图

如此方便快捷的模型，准确率怎么样呢？以呼吸系统疾病为例，模型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%，而在上呼吸道疾病诊断中，急性喉炎和鼻窦炎的准确率分别高达86%和96%，对普通系统性疾病以及危险程度更高的疾病也有很高的诊断准确率，例如传染性单核细胞增多症（90%）、水痘（93%）、玫瑰疹（93%）、流感（94%）、手足口病（97%）和细菌性脑膜炎（93%）。

图为人工智能系统和医疗团队在儿科疾病诊断水平的比较：第一列数据为AI系统诊断，第2-6列为5组不同人工诊断。通过对比可以发现，人工智能系统在儿科疾病诊断上已经具有了相当大优势，那如此高精准的诊断，又是靠什么作为基础支撑的呢？当然是数据，是采集标注过的精准医疗数据。

团队此次使用了超过140万条数据，以完善诊断系统，同时有超过25年临床实践经验的资深主治医师手动注释了6,183个图表，然后用3,564张人工标注的图表对NLP信息提取模型进行训练，并用剩下的2,619张图表对模型进行验证。该NLP模型总结了代表临床数据的关键概念类别，利用深度学习技术自动将电子健康记录EHR注释到标准化词汇和临床特征中，从而允许对诊断分类进行进一步处理。

李开复曾乐观预测中国可能会在AI竞赛中胜出，这得益于AI逐步平台化的过程中，中国能够获取到的巨量数据。正如他所说——

“过去，以专家为主。现在，以数据为王”。

我们的服务

我们为他们服务