國際知名醫(yī)學(xué)科研期刊《自然·醫(yī)學(xué)》（《Nature Medicine》）2月11日刊發(fā)的《使用人工智能評估和準(zhǔn)確診斷兒科疾病》文章

中國日報網(wǎng)2月14日電 近年來，中國人工智能（AI）研究成果從實驗室走向越來越多的應(yīng)用場景，特別是在醫(yī)學(xué)診斷領(lǐng)域表現(xiàn)十分搶眼。不過，人工智能診斷工具的應(yīng)用一般還局限于相對標(biāo)準(zhǔn)化的靜態(tài)圖像數(shù)據(jù)。但中國的一項新研究發(fā)現(xiàn)，人工智能系統(tǒng)在診斷常見的兒童疾病方面比一些醫(yī)生做得更好。在這項最新科研成果中，人工智能在識別影像的基礎(chǔ)上，通過自動學(xué)習(xí)病歷文本數(shù)據(jù)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(fù)雜的病例，這意味著人工智能或?qū)⒛芟襻t(yī)生一樣“思考”。

據(jù)美國石英雜志網(wǎng)站（QUARTZ）2月13日報道，國際知名醫(yī)學(xué)科研期刊《自然·醫(yī)學(xué)》（《Nature Medicine》）2月11日刊發(fā)了《使用人工智能評估和準(zhǔn)確診斷兒科疾病》（Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence）一文，這是中國在醫(yī)學(xué)診斷中應(yīng)用人工智能的最新研究成果之一，也是全球首次在頂級醫(yī)學(xué)雜志發(fā)表有關(guān)自然語言處理（NLP）技術(shù)基于中文文本型電子病歷（EMR）做臨床智能診斷的研究成果。

由廣州市婦女兒童醫(yī)療中心夏慧敏教授、加州大學(xué)圣地亞哥分校張康教授等專家領(lǐng)銜的醫(yī)療數(shù)據(jù)智能化應(yīng)用團隊聯(lián)合人工智能研究和轉(zhuǎn)化機構(gòu)，研發(fā)出了“輔診熊”人工智能診斷平臺。該平臺通過自動學(xué)習(xí)從來自56.7萬名兒童患者的136萬份高質(zhì)量電子文本病歷中“學(xué)會”了醫(yī)生的診斷邏輯，并將其應(yīng)用于診斷多種兒科常見疾病，準(zhǔn)確度與經(jīng)驗豐富的兒科醫(yī)師相當(dāng)。

石英網(wǎng)站報道截圖

研究人員發(fā)現(xiàn)，這個人工智能診斷系統(tǒng)對兩類重要疾病的診斷結(jié)果尤其出色：一類是流感和手足口病等常見疾病，另一類是急性哮喘發(fā)作和腦膜炎等嚴(yán)重或有生命危險的疾病。

在某些情況下，該系統(tǒng)能夠以90%到95%的準(zhǔn)確率診斷疾病。在所有類別中，人工智能模型的診斷準(zhǔn)確率均未低于79%，高于一組初級醫(yī)師，但低于另一組。不過，高級醫(yī)生總體上比人工智能系統(tǒng)做得更好。

文章稱，越來越多的研究證明人工智能在診斷方面的好處，這項研究更是錦上添花。例如，去年10月發(fā)表的一項同樣來自中國的研究顯示，借助人工智能算法準(zhǔn)確預(yù)測了88%處于植物人狀態(tài)的患者是否會醒來。

2018年8月23日，觀眾在首屆中國國際智能產(chǎn)業(yè)博覽會上體驗醫(yī)療人工智能產(chǎn)品。新華社記者 王全超 攝

去年，在北京舉行的一場競賽中，人工智能系統(tǒng)在準(zhǔn)確診斷腦腫瘤方面擊敗了醫(yī)生，顯示了人工智能在基于圖像的診斷中的作用。然而，值得注意的是，人工智能更有可能成為醫(yī)生有用的診斷工具，而不是在短時間內(nèi)完全取代他們的判斷。

石英網(wǎng)的這篇文章認(rèn)為，人工智能在疾病診斷領(lǐng)域的應(yīng)用研究大多來自中國，不足為奇。中國在人工智能研究方面投入了大量資金，自2007年以來，中國的人工智能論文數(shù)量增長了400%。利用這項技術(shù)來促進醫(yī)療保健特別重要，因為中國希望在農(nóng)村和城市實現(xiàn)醫(yī)療保健的標(biāo)準(zhǔn)化，解決人口老齡化問題，提高醫(yī)療保健系統(tǒng)的效率。

對于人工智能輔助診斷系統(tǒng)的未來，夏慧敏教授接受新華社采訪時表示：“這項研究，將會成為AI技術(shù)在醫(yī)療中實施應(yīng)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。但須要清醒認(rèn)識到，我們?nèi)杂泻芏嗷A(chǔ)性工作要做扎實，比如高質(zhì)量數(shù)據(jù)的集成便是一個長期的過程，因為大數(shù)據(jù)的收集和分析需要算法工程師、臨床醫(yī)生、流行病學(xué)專家等在內(nèi)的多領(lǐng)域?qū)＜彝献?。此外，人工智能學(xué)習(xí)了海量數(shù)據(jù)后，其診斷結(jié)果的準(zhǔn)確性仍然需要更大范圍的數(shù)據(jù)對其進行驗證和比對?！?/p>