“读懂”病历辨认 影像 “虚拟大夫”医术超年轻大夫

2019年8月17日 0 Comments

广州妇儿医疗核心“虚拟大夫”目前可诊断55种稀有病

网记者 符畅  通讯员 易灵敏 周密 李雯

人工智能不但
能“读图”辨认
影像,还能“识字”读懂病历,懂得患者病情并保举临床诊断,正确度甚至超过大夫、媲美经验丰富的专家……如今,这一幕极具科幻感的场景,已迈入现实。

广州市妇女儿童医疗核心联合依图医疗、康睿智能科技等业内顶级研讨团队以及广东省再生医学重点实验室,利用人工智能技术诊断儿科疾病取得重磅科研成果,并于北京时间12日揭晓于国际知名医学科研期刊《天然医学》。这是全球初次在顶级医学杂志揭晓有关天然言语处理(NLP)技术基于中文文本型电子病历(EMR)做临床智能诊断的研讨成果。

据悉,此次文章揭晓,距离该团队在《细胞》杂志封面揭晓有关AI图像诊断的论文,刚好过去一年。它也标志着,AI模仿人类大夫举行疾病诊断的时期已到来。

特别在哪? 能正确“读”病历

随着相关研讨不竭深入,近年来,人工智能在基于医学图像的诊断工具方面表现突出,但这仍局限于相对标准化的新闻图像数据,怎样让人工智能懂得庞杂的病历文本数据(大夫的知识和言语),成为医疗AI面临的重大挑战之一。

为此,广州市妇女儿童医疗核心院长夏慧敏领衔的医疗数据智能化使用团队联合相关机构,发展了基于文本病历数据的儿科稀有病
智能诊断研讨。

据悉,目前,该AI零碎的功能已非常强大。一方面,可以经由进程人机交互获得
患者或怙恃口述文本,包括主诉、病症、疾病史、用药史等信息,做出大略诊断,给出也许的疾病规模;另一方面,还可经由进程大夫当面问诊或互联网远程问诊,获得
详细病情及辨别诊断特性,模子据此从头运算,给出详细的精确诊断。另外
,若是有实验室检讨或影像检讨数据,AI模子还可以进一步确认其诊断了局。

更重要的是,AI零碎具备增量深造的功能,在实践中对被采用的了局会增强记忆,对未被采用的了局在核实之后会经由进程继续深造完成威力的晋升。

医术怎么? 高于低年资大夫

既然人工智能已具备“读”病历和诊断疾病威力,那末
,它能否能诊断所有病?

广州市妇女儿童医疗核心数据核心主任梁会营默示,目前,该AI可诊断55种儿科稀有病
,其中,最稀有的诊断包括急性上呼吸道感染、支气管炎、腹泻、支气管肺炎、急性扁桃体炎、口腔炎和急性鼻窦炎,而且,其正确度与经验丰富的儿科医师相当。

广州市妇儿核心儿内科门诊主任何丽雅介绍,2018年8月,研讨团队曾组织发展过一场“人机大战”。研讨人员随机抽出1.2万份患儿病历,并把20位“参赛”儿科大夫按年资和临床经验高低分红5组,看看AI的成绩和人类大夫相比怎样。经由进程对哮喘、脑炎、胃肠疾病等多种疾病举行诊断,比赛了局显示,AI模子的平均F1得分为0.885,高于两组低年资大夫(别离为0.841和0.839),濒临三组高年资大夫(别离为0.907、0.915和0.923)。

梁会营泄漏,经由进程上线后三个月的完善迭代,该零碎在今年1月1日至1月21日的挪用量已超过了3万次,以临床大夫诊断为金标准,其诊断与临床符合率达87.4%。“也就是说,AI工作20天,相当于一位儿科副主任医师一全年的门诊工作量”。

怎么使用? 初诊或罕见病辅诊

人工智能辅佐诊断零碎今后将怎样使用到临床中?研讨团队也举行了畅想:首先,它可以用作分诊程序。比方,当患者离开急诊科,可由护士获得
其生命体征、基础病史和体格检讨数据输入到模子中,允许算法天生预测诊断,帮助医师筛选优先诊治哪些患者;另一个潜在使用是帮助医师诊断庞杂或罕见疾病。经由进程这种方式,医师可以使用AI天生的诊断来帮助拓宽辨别诊断并思索也许不会立即显现的诊断也许性。

对人工智能辅佐诊断零碎的未来,夏慧敏默示,人工智能深造了海量数据后,其诊断了局的正确性仍然需求更大规模的数据对其举行验证和比对。而且,需求纳入更多病种等。另外
,人工智能还要往康健畛域拓展,不但
能诊断疾病和提出治疗方案,还能为患儿及怙恃开具“康健处方”,完成医、护、患三者联动。

至于AI能否会成为真正的“大夫”,夏慧敏认为,首先技术上需求突破,在疾病诊疗中不允许有任何差错。同时,也有很多身分有待考量,如政策能否允许等。

对儿童急性上呼吸道感染诊断正确率达95%

这位AI大夫是怎么“炼”成的?

“脑”中装有庞大数据

能“读懂”病例、像大夫一样“思索”的AI是怎样“炼”成的?

“医疗AI研讨,数据秒杀一切。咱们在这方面已走在了前头。”广州市妇女儿童医疗核心数据核心主任梁会营介绍,2017年,市妇儿核心成为全华南地区首家经由进程国家电子病历功能与使用分级评价六级病院。2018年,又成为全国首批经由进程国家互联互通标准化成熟度五级乙等病院。

庞大的数据库为人工智能研讨提供了坚固保障。

有了数据支撑,接下来,研讨人员要做的就是“训练”AI,让它懂得海量电子病历中的临床特性数据。和影像数据不同,电子病历涵盖患者主诉、病症、团体史、体格检讨、实验室检讨了局、影像学检讨了局、用药信息等多个维度。

不竭深度深造更新迭代

临床电子病历由不同大夫誊写,其方式和质量都有差距。AI怎样从中挖掘有效数据,并用机械深造方法来举行正确辨认
?其难度可想而知。

为此,研讨团队利用依图医疗的NLP技术,建立了一套病历智能分析零碎,即先经由进程NLP对电子病历举行标注,再利用逻辑回归来建立档次诊断。

依图医疗CEO倪浩说明,首先,研讨团队用深度深造和知识图谱建立一套智能病种库,深度挖掘和分析医疗文本的信息,将非布局化文本方式的病历数据变成规范化、标准化和布局化的数据,以便AI可以正确完整地“读懂”病历。进程中,30余位高档儿科医师和十余位信息学研讨人员组成的专家团队还手动给电子病历上的6000多张图表举行正文,并连续对模子举行检讨和迭代。

逐层判定给出诊断了局

“读懂”病历还不敷,还要让AI学会诊断疾病。为此,研讨团队又开发了一套诊断了局智能保举零碎,模仿人类大夫的诊疗路径,对目标患儿举行逐级判定。

广州市妇女儿童医疗核心医务部主任孙新进一步说明,这套零碎会使用基于器官的方法,诊断首先被分红广泛的器官零碎,如呼吸零碎、神经零碎、消化零碎等,然后对每个分类举行细化,分红器官子零碎或更详细的诊断组。比方,在最稀有的呼吸零碎疾病中,该零碎会先按上呼吸道和下呼吸道举行区分,再按喉炎、气管炎、支气管炎、肺炎举行细分。

经过检讨,在每一层级,由AI做出的初级诊断在精确度上都濒临检讨医师做出的初级诊断。以在患儿集体中最稀有的急性上呼吸道感染为例,模子对病例的诊断可达95%的正确率。

更多精彩报道,尽在https://buymarimo.com