国际医学期刊Nature登载依图医疗与广妇儿科研究成果
2月11日，国际医学研究杂志《自然医学》在线发表了一篇题为《Evaluation and Accurate diagnoses of pediatric diseases using artificial intelligence》（《利用人工智能对儿童疾病进行评估和准确诊断》）的论文。本文由广州市妇女儿童医疗中心、宜图医疗等企业和科研机构共同完成。基于机器学习的自然语言处理（NLP）技术实现了不亚于人类医生的强大诊断能力，并具有多种场景的应用能力。人工智能被认为是医疗保健行业创新的核心驱动力。然而，尽管机器学习在诊断成像方面具有优势，但在分析大量和多样的电子病历数据方面仍然存在重大挑战。电子病历中数据信息的广度、数据类型的多，以及某些方面数据缺乏和特殊情况的可能性，使得机器学习很难进行准确的数据分析，并形成数据模型来预测临床试验。Eitu提出并测试了一个专门用于电子医疗案例数据挖掘的系统框架，将医学知识与数据驱动模型相结合。“这一成果的核心技术部分，实际上是利用深度学习技术和医学知识图谱对EHR数据进行分解，构建高质量的智能疾病数据库。这使得使用智能疾病数据库构建各种诊断模型变得容易。诊断模型证明，基于人工智能的系统可以帮助医生处理大规模数据，并在临床上支持诊断的不确定性和复杂性，“Yitu Medical总裁Ni Hao说。“儿童疾病的症状多种多样，临床医生也很难区分，诊断过程需要时间，但明确的诊断非常重要。借助与经验丰富的儿科医生相媲美的助理诊断协助，医生可以有效地缩短诊断时间，并显著优化诊断过程。Yitu与广州妇幼医疗中心合作，从该中心2016年1月至2017年7月期间的567，498名门诊病人中收集了1，362，559份电子病历，提取了1.016亿个数据点，涵盖了儿科的55种病例学疾病，用于培训和验证系统框架。在这项研究中，研究人员使用大量数据（与以前的模型相比）完成了诊断系统，数据表示和描述的一致性导致了数据质量的显著提高。此外，它还允许基于NLP的医疗记录重新格式化。首先，一位拥有超过25年临床经验的高级主治医生手动注释了6，183张图表，在3，564张手动注释图表上训练了NLP信息提取模型，然后在剩下的2，619张图表上验证了该模型。NLP模型总结了代表临床数据的关键概念类别，并使用深度学习技术自动将EHR标注为标准化词汇和临床特征，从而允许进一步处理诊断分类。广州妇幼医学中心夏慧民教授说：“这篇文章的启示意义在于，通过系统学习文本病历，人工智能可以诊断出更多的疾病。然而，由于大数据的收集和分析需要多位专家（如算法工程师、临床医生和流行病学家）的共同努力，他们需要认识到，仍然有许多基础工作要做，例如整合高质量数据是一个长期的过程。此外，即使在人工智能学习了大量数据之后，它仍然需要更大的数据来验证和比较诊断的准确性。”