用AI“读懂”中文病历并推荐诊断

2019-02-13 08:52来源:南方都市报编辑:梁翠蓉
广州市妇女儿童医疗中心研究团队成果登上世界顶尖科学杂志。








   更多精彩科学报道,请扫我!


   从2016年开始的医疗人工智能,至今方兴未艾。但国际、国内研发团队开发出来的AI,要么是通过已有的医学影像结果来学医学知识,要么就是通过医学生化指标来学习、充实自己。而由广州市妇女儿童医疗中心主任夏慧敏教授领衔,加州大学圣迭戈分校张康教授等专家参与的广州研发团队,通过摸索,让医学人工智能既能读懂中文病历,还能较高精度的为儿童常见的55种疾病进行诊断。

   北京时间12日零时14分,该项研究成果被国际知名医学科研期刊《自然医学》(Nature Medicine)在线发表。这一题为《使用人工智能评估和准确诊断儿科疾病》的文章,是全球首次在顶级医学杂志发表有关自然语言处理技术基于中文文本型电子病历(EMR)做临床智能诊断的研究成果。

   除了辅助诊断,这个广州团队的下一步目标是让人工智能医生能提供治疗、护理上的建议和健康宣教服务。这意味着这一“AI儿科医生”,正在从诊断向治疗方向迈进,成为一个不光能诊断疾病,还能治疗疾病的AI医生。

   医生、科学家和技术人员通力合作

   近年来,AI在基于医学图像的诊断工具领域表现抢眼,但一般还局限于相对标准化的静态图像数据。在这项最新科研成果中,人工智能在识别影像的基础上,通过自动学习病历文本数据(医生的知识和语言)中的诊断逻辑,逐步具备了一定的病情分析推理能力,能更进一步读懂、分析复杂的病例,意味着人工智能或将能像医生一样“思考”。

   研究人员们训练AI理解海量电子病历中的临床特征数据,包括患者主诉、症状、个人史、体格检查、实验室检验结果、影像学检查结果、用药信息等多方面的数据。研究团队利用依图医疗的技术建立一套病历智能分析系统,深度挖掘和分析医疗文本的信息,将非结构化文本形式的病历数据变成规范化、标准化和结构化的数据,以便AI可以准确完整地“读懂”病历。

   为此,医生、科学家和技术人员通力合作,由30多位高级儿科医师和10多位信息学研究人员组成的专家团队手动给电子病历上的6000多张图表进行注释,并持续对模型进行检验和迭代,将这些图标、文字转化成了AI能够识别的语言。

   研究团队还开发了一套诊断结果智能推荐系统,模拟人类医生的诊疗路径,把目标患儿进行逐级判定。团队成员、市妇儿医疗中心医务部主任孙新表示,“专业儿科医生高质量、高精度的医学知识输入成为这套人工智能系统的关键优势”。

   具体来看,这套系统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。举例来说,在最常见的呼吸系统疾病中,这个系统会先按上呼吸道和下呼吸道进行区分,再按喉炎、气管炎、支气管炎、肺炎进行细分。经过检验,在每一层级,由A I做出的初级诊断在精确度上都接近检查医师做出的初级诊断。例如在患儿群体中最常见的急性上呼吸道感染,模型对病例的诊断达到95%的准确率。

   通过这一逐级训练模式,AI对于呼吸系统疾病的诊断准确率达到92%,具体到急性上呼吸道感染这一病种的诊断准确率达到了98%。“在所有的55种疾病中平均准确率能达到90%”,医院数据中心负责人梁会营博士表示。

   对于一些凶险的、有可能威胁生命的疾病(例如急性哮喘发作、细菌性脑膜炎等),人工智能也同样表现出了强大的诊断性能。团队成员,医院儿内科门诊主任何丽雅认为:“这在临床应用中有非常重要的意义,因为有了AI快速分诊的辅助,就可以让医疗服务的有限资源用于最需要帮助的患者。”

   将来还能提供治疗和护理服务

   夏慧敏教授表示:“基于信息化产生的优质医疗大数据落地A I技术和平台,既能在一定程度上解决医疗服务能力不足的问题,又能提高健康服务的公平性和可及性。我们希望在不久的将来,这项技术将能形成大范围的示范推广,为基层儿科医生和年轻儿科医生提供辅助诊疗服务,为患儿家长提供智能自诊服务和权威的第二诊疗意见,避免误诊、漏诊造成的医疗风险。”

   目前,这一AI儿科医生能够较精准诊断的疾病是55种,但在摸索出具体的让A I学医学的路子后,将来它能诊断的疾病还将扩大,研究团队甚至开始尝试将一些罕见病也纳入到AI学习的范围。“目前我们验证的过程中,发现A I医生和高年资医生之间的诊断还存在一定的差异,这个差异的原因在哪,我们也还在查找,这有利于AI的进步,提升诊疗的精确度。”夏慧敏透露,对于人工智能儿科医生的研究,团队将继续深入下去。不单单是作为诊断方面的辅助,有了精确的诊断后,用什么治疗方案最好,什么护理方案最佳,家长患儿应注意哪些健康知识,不断成长壮大的A I都将设计到。

   “这方面技能,我们正在不断地训练它。”夏慧敏表示,这个人工智能辅助诊断系统将可以通过多种方式应用到临床中。首先,它可以用作分诊程序。例如,当患者来到急诊科,可由护士获取其生命体征、基本病史和体格检查数据并输入到模型中,允许算法生成预测诊断,帮助医师筛选优先诊治哪些患者;另一个潜在应用是帮助医师诊断复杂或罕见疾病。通过这种方式,医师可以使用AI生成的诊断来帮助拓宽鉴别诊断并思考可能不会立即显现的诊断可能性。

   成功关键

   将汉字翻译成机器能读懂的语言

   团队成员单位依图医疗在整个AI儿科医生研发项目中,主要负责计算机技术和算法方面的一些棘手问题,工作类似于字幕组。就是将医学核心的信息,翻译成机器能读懂的东西。

   他们提出并测试了一个专门对电子医学病历进行数据挖掘的系统框架,将医学知识和数据驱动模型结合在一起。该模型先通过对电子病历进行标注,利用逻辑回归来建立层次诊断,在诊断常见儿童疾病方面可与经验丰富的儿科医生相媲美。

   依图医疗CEO倪浩(论文共同第一作者)表示:“此次成果的核心技术部分,实际上是通过深度学习技术与医学知识图谱,对中文电子病历数据进行解构,从而构建了高质量的智能病种库。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。而诊断模型证明了基于AI的系统可以帮助医生处理大型数据和辅助诊断,同时在诊断的不确定性和复杂性上给予临床支持。儿科疾病症状多种多样,临床医生同样难以区分,诊断流程费时费力,但明确诊断非常重要。拥有可与经验丰富的儿科医生相媲美的助手进行辅助诊断,能够让医生有效地降低诊断时间,显著优化诊断流程。”

   特写

   人机大战

   轻松PK过低年资儿科医生

   有了好的指导老师,高级儿科医生的划重点;又有了信息技术专家提供的“字幕”服务。这一研发团队开发出来的医学人工智能,慢慢地开始通过自动学习来自56.7万名儿童患者的136万份高质量电子文本病历中的诊断逻辑。这个有着庞大数据储存和调取能力的A I也就到了可以和真正医生搏一搏的时间了。

   梁会营透露,就在年前,研究团队组织了20名医生分成五组进行人机大战。

   结果发现,AI在诊断方面,轻松地P K掉了两组低年资儿科医生组,而仅仅是稍逊于三个高年资医生团队组合。

   “研究人员随机抽出12000份患儿病历,并把20位‘参赛’儿科医生按年资和临床经验高低分成5组,看看AI的成绩和哪一组医生接近。结果显示,AI模型的平均得分高于两组低年资医生,接近三组高年资医生”。

   梁会营表示,该AI系统可以通过人机交互获取患者或家长口述文本,包括主诉、症状、疾病史、用药史等信息,做出粗略诊断,给出可能的疾病范围;通过医生当面问诊或互联网远程问诊,获取详细病情及鉴别诊断特征,模型据此重新运算,给出具体的精确诊断。

   如果有实验室检验或影像检查数据,AI模型还可以进一步确认其诊断结果。更重要的是,它具备增量学习的功能,在实践中对于被采纳的结果会增强记忆,对于未被采纳的结果在核实之后会通过继续学习实现能力的提升。

   目前,该系统在2019年的第一季度调用量已经超过了3万次,也就是有3万次医学诊疗中,这一AI医生已在临床上发表了自己的意见,辅助医生完成了诊疗。

   出品:南方都市报科学新闻工作室

   主持:陈养凯

   采写:南都记者 王道斌 通讯员 易灵敏 周密 李雯

奥一头条 Headline
手机看南都 Phone
南方都市报小程序

南方都市报小程序

南方都市报App

南方都市报App

排行 Top