AI赋能医疗，依图驱动中国医疗智能化再提速

来源: p1.pstatp.com

      人工智能是医疗行业革新的核心动力，科技巨头和新兴创业型公司纷纷布局AI医疗，这个领域的竞争日益激烈。

      2月11日，国际顶级医学科研期刊《Nature Medicine》在线发布了题为“Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence”（《使用人工智能评估和准确诊断儿科疾病》）的文章。该文章由广州市妇女儿童医疗中心与依图医疗作为第一作者，联合其他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，实现不输人类医生的强大诊断能力。

      这是全球首次在顶级医学杂志发表有关自然语言处理（NLP）技术基于电子健康记录（EHR）做临床智能诊断的研究成果，也是利用人工智能技术诊断儿科疾病的重磅科研成果。在以依图科技为代表的人工智能企业驱动下，中国正逐步形成由劳动力输出、技术输出再到学术输出的角色转变，成为全球人工智能领域的重要力量。

      成立于2012年的依图科技，致力于人工智能创新性研究，将先进人工智能技术与行业应用相结合，服务于医疗健康、公共安全、金融等众多领域，已经发展为国内不可或缺的人工智能领军企业。

      作为国计民生相关的重要行业，人工智能技术对医疗行业的巨大革新作用得到了社会的广泛关注，去年的政府工作报告在谈及加强新一代人工智能研发应用时首先点名医疗领域，高度重视高新技术对于健康中国2030计划的推进作用。

依图医疗CEO 倪浩

      依图与广州妇女儿童中心联合研究的利用人工智能技术诊断儿科疾病的重磅科研成果，是通过深度学习与知识图谱相结合，解构临床电子病历数据，形成一套智能病种库，并在其基础上构建辅助诊断模型的技术。也就是说，有了这项技术，计算机能够“读懂”儿科病历，并进行初步诊断。作为本文共同第一作者，依图医疗CEO倪浩介绍，本次论文所述的是依图在自然语言处理领域两年多积累的成果，期间依图进行了大量的基础性研究，如知识图谱的构建、算法的研发、标注体系的设计等。

      这次研究中，依图提出并测试了一个专门对电子医学病历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历进行标注，利用逻辑回归来建立层次诊断，通过超过140万的儿科病历训练，在常见儿童疾病方面的综合诊断准确率优于相对低年资儿科医生（3年+8年临床经验）。

      此次研究中，依图与广州市妇女儿童医疗中心进行合作，学习了该中心在2016年1月至2017年7月间的567498个门诊病人的1362559次问诊电子病历，抽取到覆盖初始诊断包括儿科55种病历学中常见疾病的1.016亿个数据点，并将这些信息用于训练和验证系统框架。相比以往的模型，此次研究使用了超过140万的庞大数据，以完善诊断系统。此外，此次研究中使用数据在表达和描述上的一致性，极大地提高了数据质量。

      从该人工智能疾病诊断系统作出疾病判断的准确率来看，以呼吸系统疾病为例，对上呼吸道疾病和下呼吸道疾病的诊断准确率分别为89%和87%，而在上呼吸道疾病诊断中，急性喉炎和鼻窦炎的准确率分别高达86%和96%，对不同类型哮喘的诊断准确率从83%到97%；同时对普通系统性疾病以及危险程度更高的疾病也有很高的诊断准确率，例如传染性单核细胞增多症（90%）、水痘（93%）、玫瑰疹（93%）、流感（94%）、手足口病（97%）和细菌性脑膜炎（93%）。也就是说，该系统可以根据NLP系统注释的临床数据信息对儿科疾病做出准确的判断。

      此次模型的训练数据集中在儿科。倪浩表示，选择儿科切入是本着一个非常朴素的想法——解决儿科医生短缺的问题。另外，由于儿童没有准确表达病症的能力，因此被称为“哑科”，发病占比较高，面临病历信息不全、患儿发病速度快等棘手问题。通过人工智能技术还原儿科医生能力，能服务三甲医院和基层医院，可以取得较好的临床及社会效益。目前整个系统已应用于广州市妇女儿童医疗中心门诊系统中，读取医生撰写的门诊病历后，在填写诊断的环节可以一键获得辅助诊断结果。

      由于医疗数据本身呈现多模态特征，自然语言处理技术的加入将为医疗领域带来非常大的价值。

      与图像识别、语音识别相比，自然语言处理是人工智能领域最为困难的问题之一，广州市妇女儿童医疗中心主任夏慧敏教授表示：“这项研究，将会成为人工智能技术在医疗中实施应用的重要里程碑。其最大的贡献在于，机器不仅仅能够‘看图’，而且能够‘识字’，能像人类一样读懂文本中蕴藏的疾病信息。”

      医疗人工智能企业的核心竞争力主要包括两方面：技术实力和运用这一强大的技术去解锁临床应用场景的能力。此次研究得到Nature Medicine杂志的高度认可，其原因还在于其具备极强的多场景应用能力。例如在分诊环节，通过记录基础数据让模型产生预测诊疗结果，并通过这个结果评估病人的优先级，以确保医生可以按需就诊。

      此外，基于AI的诊断模型还可以帮助医生诊断复杂或罕见病症，提示可能情况，避免由于医生受限于自身专业或经验，在遇到复杂病症时出现误诊。

      在过去的几年，市场对于人工智能能够实现的医疗价值已经从不认可到将信将疑，再到充满信心，市场教育基本完成，未来三年预计会是一个快速增长的市场。十年内，中国医疗机构将完成初步的智能化，广泛采用各类人工智能应用。