《自然醫學》：AI可用於兒科疾病的評估和精確診斷

科技 02-14

圖源：inc-asean.com

撰文 | 計永勝

責編 | 陳曉雪

●

疾病的診斷和治療是最為複雜的系統工程之一。隨著現代診療技術的不斷發展，醫生每天從病人那裡獲取海量的臨床診斷信息。如何從冗雜的臨床數據中抓住精要並作出準確的疾病判斷是每名醫生都要面臨的難題之一。那麼，能否通過人工智慧

（Artificial Intelligence, AI）

配合電子病歷輔助醫生進行疾病診斷呢？

最近，由廣州市婦女兒童醫療中心教授夏慧敏和加州大學聖地亞哥分校教授張康共同領銜的科研團隊設計出一套基於人工智慧的疾病診斷系統，可用於兒科疾病的評估和精確診斷。該工作於2月12日在線發表於《自然醫學》雜誌

[1]

。

「對兒科疾病的診斷是醫療中的一大痛點。一方面，兒童的抵抗力較弱，容易罹患多種疾病；另一方面，一些兒科疾病威脅程度較大，需要儘快得到治療。能夠快速、準確地對兒科疾病進行診斷，不但可以減少患者的等待時間，還可以讓那些病情危急的兒童及時得到診治。此外，當前兒科醫生供不應求，因此我們的人工智慧系統對於已經嚴重不足的醫療資源能夠起到很大的輔助作用。」論文的通訊作者之一張康介紹說。

圖1. 人工智慧系統診斷兒科疾病流程圖（圖源：Huiying Liang. et al. Nature Medicine, 2019）。

先前已有科學家設計出深度學習

（Deep Learning）

程序用於影像學數據分析，並輔助醫生進行眼病和肺炎的診斷

[2, 3]

。在本研究中，研究人員首先將醫療知識進行整合，構建了一個自然語言處理

（Natural Language Processing，NLP）

模型對130萬份兒童電子病歷進行注釋

（圖1）

。該模型在未經過「培訓」的情況下可以粗略地將臨床信息進行分類。通過資深醫療專家注釋的6183份圖表對系統進行「培訓優化驗證」後，研究人員發現經過深度學習的NLP信息提取模型對電子病歷進行了很好的注釋，其F1評分

（反映模型綜合性能）

超90%，在體檢和主訴項目的注釋上分別達到最高靈敏度和精確度。簡單講，深度學習的NLP模型能夠準確地讀取電子病歷記錄的信息，並作出符合臨床標準的批註。

那麼，人工智慧能否作出正確的疾病判斷呢？隨後，研究人員用邏輯回歸分類器

（logistic regression classifiers）

創建了一個疾病診斷系統。該系統模擬醫生的臨床診斷過程將疾病按照人的解剖系統

（例如呼吸系統、消化系統、神經系統等）

進行分門別類，同時可以將更為複雜的結構

（例如呼吸系統）

進行細分。結果顯示，基於NLP模型準確讀取的數據，邏輯回歸分類器對兒科疾病作出了精確的診斷：中間準確率達90%，對神經精神失調疾病的診斷準確率更是高達98%。在更深一層的診斷水平上，邏輯回歸分類器同樣表現不俗。以呼吸系統疾病為例，系統對上呼吸道疾病和下呼吸道疾病的診斷準確率分別為89%和87%，而在上呼吸道疾病診斷中，急性喉炎和鼻竇炎的準確率分別高達86%和96%，對不同類型哮喘的診斷準確率從83%到97%。同時，邏輯回歸分類器對普通系統性疾病以及危險程度更高的疾病也有很高的診斷準確率，例如傳染性單核細胞增多症

（90%）

、水痘

（93%）

、玫瑰疹

（93%）

、流感

（94%）

、手足口病

（97%）

和細菌性腦膜炎

（93%）

。也就是說，邏輯回歸分類器可以根據NLP系統注釋的臨床數據信息對兒科疾病作出準確的判斷。

我們不禁要問，人工智慧和醫生的診斷到底哪個更加精確呢？研究人員隨後運用11926個臨床病例比較了人工智慧系統和5個臨床治療組診斷兒科疾病的水平。參與研究的治療組從事臨床工作時間和資歷逐漸增加。結果顯示，人工智慧系統的F1評分均值要高於2個年輕治療組，但遜色於資深治療組

（圖2）

。文章指出，該人工智慧系統可以協助年輕治療團隊進行疾病診斷，提升團隊診療水平。

圖2. 人工智慧系統和醫療團隊在兒科疾病診斷水平的比較。（圖源：Huiying Liang. et al. Nature Medicine, 2019）

「相比來說，我們研究所使用的數據量還是較少的，如果有13億的樣本量，我們相信人工智慧診斷疾病的精確性會更高。」張康表示，「從長遠看，這套系統可以應用到兒科疾病以外的其他診療領域，例如成人疾病的精確診斷。」

不過，「須要清醒認識到，我們仍有很多基礎性工作要做紮實，比如高質量數據的集成便是一個長期的過程，因為大數據的收集和分析需要演算法工程師、臨床醫生、流行病學專家等在內的多領域專家的通力合作」，另外一位通訊作者夏慧敏強調說。他還指出，人工智慧學習了海量數據後，其診斷結果的準確性仍然需要更大範圍的數據對其進行驗證和比對。

醫療領域一直是人工智慧努力進軍的方向，這一工作探索了人工智慧在臨床疾病診斷應用上的可能性，為把醫生從繁雜的臨床數據中解放出來帶來了希望。期待人工智慧醫學診療系統未來的成熟穩定，為人類健康提供更強大的保障。

作者簡介：計永勝為《知識分子》特約撰稿人，威斯康星醫學院癌症中心博士後，現就職於安徽醫科大學基礎醫學院。

主要參考文獻：

[1] Huiying Liang. et al. Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence. https://doi.org/10.1038/s41591-018-0335-9

[2] Kermany, D. S. et al. Identifying medical diagnoses and treatable diseases by image-based deep learning. Cell 172, 1122–1131 (2018).

[3] Gulshan, V. et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA 316, 2402–2410 (2016).

製版編輯

皮皮魚

更多精彩文章：