中新網2月12日電 2月11日，國際醫學科研期刊《Nature Medicine》在線發布了題為“Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence”(《使用人工智能評估和準確診斷兒科疾病》)的文章。該文章由廣州市婦女兒童醫療中心與依圖醫療等企業和科研機構共同完成，基于機器學習的自然語言處理(NLP)技術實現不輸人類醫生的強大診斷能力，并具備多場景的應用能力。
業界公認，人工智能是醫療行業革新的核心動力。然而，盡管機器學習在影像診斷方面表現強勢，但在數量巨大、多樣的電子病歷數據分析方面，仍面臨巨大挑戰。電子病歷的數據信息之廣、數據類型之多，以及某些方面的數據貧乏及可能出現的特殊案例等，都導致機器學習難以進行精確的數據分析，并進而形成預測臨床檢測的數據模型。
依圖提出并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。
“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EHR數據進行解構，從而構建了高質量的智能病種庫。使得后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于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復雜性上給予臨床支持”，依圖醫療總裁倪浩表示，“兒科疾病癥狀多種多樣，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。”
依圖與廣州市婦女兒童醫療中心進行合作，收集了該中心在2016年1月至2017年7月間的567,498個門診病人的1,362,559次問診電子病歷，抽取到覆蓋初始診斷包括兒科55種病例學中常見疾病的1.016億個數據點，并將這些信息用于訓練和驗證系統框架。相比以往模型，此次研究使用了超過140萬的龐大數據，以完善診斷系統，此外，此次研究中使用數據在表達和描述上的一致性，極大的提高了數據質量。
不僅如此，此次研究還基于NLP實現了病歷的重新格式化。首先，有超過25年臨床實踐經驗的資深主治醫師手動注釋了6,183個圖表，然后用3,564張人工標注的圖表對NLP信息提取模型進行訓練，并用剩下的2,619張圖表對模型進行驗證。該NLP模型總結了代表臨床數據的關鍵概念類別，利用深度學習技術自動將EHR注釋到標準化詞匯和臨床特征中，從而允許對診斷分類進行進一步處理。
廣州市婦女兒童醫療中心夏慧敏教授表示，“這篇文章的啟示意義在于，通過系統學習文本病歷，人工智能或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扎實，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的通力合作。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。”
