中国AI登上Nature子刊：看病历分析儿科疾病，准确率90%，超人类医师

铜灵 发自 凹非寺 量子位 出品 | 公众号 QbitAI

AI大夫的能力又精进了。

以前的AI要想要辅助人类诊断，得先学会输入大量带标注的医学影像训练模型。现在不用了，AI只需读一读电子文字简历，就能具备病情分析能力。

有产品有真相。

最近，AI诊断平台“辅诊熊”引起了计算机圈的关注。它通过自动学习56.7万名儿童136万份电子文本病历中的诊断逻辑，就能准确诊断多种儿科常见疾病，研究显示已经达到了儿科主治医生的水准。

昨天，这项研究被刊发在Nature Medicine上，参与研发的依图科技表示，这是NLP技术至今处理过的最大规模临床数据。

论文介绍

在论文Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence中，依图科技和广州市妇女儿童医疗中心的71位研究人员介绍了“辅诊熊”的设计原理。

和人类中医“望闻问切”、西医“视触叩听”的诊断方法类似，AI也需要医生多方信息最终做出综合的病情诊断。

这一系列的诊断过程，对AI来说其实主要为两个部分：

一是用深度学习的方法读取NLP模型中的临床数据，包括患者病历中的主诉情况、症状、个人史、体格检查、实验室检验、影像学检查、用药信息等多方信息，输入到完全结构化的数据库中。

二是基于提取的临床特征，建立诊断系统，将疾病进行分类，输出诊断结果。

△ 诊断流程图

重头戏来了。针对这两个诊断阶段，论文中提出了一个专门对电子医学病例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。

该模型先通过自然语言处理技术对电子病例进行标注，再利用逻辑回归来建立层次诊断。这是一种基于器官的方法，先将疾病划分为广泛的器官系统，之后逐层深入划分成器官子系统或更具体的诊断组。

诊断框架如下：

△ 诊断框架的层次结构

论文中显示，目前这只AI可以达到儿科主治医生的专业水准。

研究人员用F1 Score评估人类与AI的诊断水平。在这场较量中，研究人员共设置了2个初级医师组（组1、组2）、3个高级医师组（组3~组5）。

结果显示，这个AI模型在常见儿童疾病方面的综合诊断中准确率高于两个初级医师组，超过了8年临床经验的相对低年资儿科医生的诊断水平。在流感和手足口病等常见疾病到脑膜炎等危及生命的疾病，准确率达到90％至97％。

不过，这个AI目前还比不上“姜还是老的辣”的高级医师。

外媒关注

这篇文章的作者团队非常庞大，共71人，其中一作共6名，分别为：

广州妇女儿童医疗中心医生梁会营、Guangjian Liu, 加州大学圣地亚哥分校基因组医学研究所的Brian Tsui和Sally L. Baxter，依图科技CEO倪浩，广州医科大学第一附属医院Carolina C. S. Valentim。

论文一出，立即引发了外媒关注。

《纽约时报》点评说，这项研究前前后后访问过儿科医院18个月中18万名中国就医儿童的数据，能有这么庞大的数据量用于研究，也是中国在全球人工智能和竞赛中的优势。

外媒Techspot也感慨中国AI发展的巨大机会报道中表示，从中国收集医疗保健数据，比美国容易太多。

此外，外媒MIT科技报道中称，AI系统在医疗诊断领域已经显示出了巨大的希望，目前这个系统可以用于紧急护理中的分类任务，要达到取代医生的地步还有很长的路要走。

传送门

想了解更多，可以前往Nature论文介绍页： https://www.nature.com/articles/s41591-018-0335-9

— 完 —