这次，真的有上规模研究实证，人工智能技术临床诊断可以媲美人类医生了。

　　北京时间2月12日零时14分，国际顶级医学科研期刊《Nature Medicine》在线发布了题为《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等企业和科研机构共同完成。

　　这是全球首次在顶级医学杂志发表有关自然语言处理（NLP）技术基于中文文本型电子病历（EMR）做临床智能诊断的研究成果。

　　该研究成果表明，以后，人工智能也能看病了，而且医术不低，拿纳入系统的55种常见儿科疾病和部分危急重症作测试，诊断准确率超过了一般年轻医生。

　　读懂病历诊断准确，已在医院临床使用

　　这个人工智能系统“医术”不低。它看病就像人类医生一样。医生将患者主诉、症状、个人疾病史、体格检查、实验室检验结果、影像学检查结果、用药情况等信息输入病历文本，系统自动将自由病历文本转换成规范化、标准化和结构化的数据。“读懂”病历后，系统给出诊断结果。

　　诊断准确率还挺高。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%）、细菌性脑膜炎（93%）。

　　这好像有点超出我们的接受程度，但研究归研究，实践了吗？别急，研究团队还真的进行人机大战检验，后来还在医院真刀真枪临床使用了。

　　研究人员随机抽出12000份患儿病历，一边是人工智能，一边是广州市妇女儿童医疗中心的20位儿科医生。20位“参赛”儿科医生按年资和临床经验高低分成5组，结果显示，人工智能诊断准确率的平均得分高于前两组低年资医生，接近三组高年资医生。

　　今年1月1日，该系统在广州市妇儿中心进入临床应用，1月1日至1月21日短短20天，该院医生已实际调用它开展辅助诊断30276次，诊断与临床符合率达到87.4%。

　　广州市妇儿中心医务部主任孙新谈了使用体会，他说，这套系统会对疾病进行分组分类细分。比如在最常见的呼吸系统疾病中，这个系统会先按上呼吸道和下呼吸道进行区分，再按喉炎、气管炎、支气管炎、肺炎细分，比较科学。

　　会“看图”能“识字”，深度学习医学知识

　　机器会看病，在于机器深度学习“病历”、医学知识，有了病种库后，建立诊断模型。

　　与以往人工智能系统不一样的是，该系统不仅会静态看图，还会“识字”，学习的数据量之大前所未有。依图与广州市妇儿中心进行合作，收集了该中心在2016年1月至2017年7月间的56.7498万个门诊病人的136.2559万次问诊电子病历，抽取到覆盖初始诊断包括儿科55种病例学中常见疾病的1.016亿个数据点。

　　其次，突破病历文本语言和计算机语言之间的障碍。这是研究人工智能病历学习中突破的最大难点。

　　为此，研究团队利用依图医疗的自然语言处理（NLP）技术建立一套病历智能分析系统，将病历变得标准化。并由30余位高级儿科医师和10余位信息学研究人员组成的专家团队，手动给电子病历上的6183张图表进行注释、持续检验和迭代，保证了诊断的准确性。

　　依图医疗总裁倪浩说：“此次成果的核心技术部分，实际上是通过深度学习技术与医学知识图谱，对电子病历数据进行解构，从而构建了高质量的智能病种库，并在此基础上建立各种诊断模型。”

　　儿童往往不会表达疾病症状，诊断流程费时费力，效率较低。倪浩说：“拥有可与经验丰富儿科医生相媲美的人工智能助手辅助诊断，能有效地缩短诊断时间，优化服务流程。”

　　既能“看图”，又能“识字”，这意味着人工智能系统继续学习能力大大增强。“对被采纳的结果会增强记忆，对于被采纳的结果，在核实之后会通过继续学习实现能力的提升。”论文第一作者、广州市妇儿中心数据中心主任梁会营博士说。

　　在此之前，该医院已在3年中将数据标准化、结构化处理，实现了50多个诊断数据子系统的相互交流和互联互通，为该系统应用打下基础。

　　可辅助医生诊断，能避免误诊漏诊

　　该项研究成果将会带来深远影响。按照广州市妇儿中心主任、院长夏慧敏所说，“人工智能辅助诊断既能在一定程度上解决医疗服务能力不足的问题，又能提高服务的公平性和可及性。”未来，这项技术还可以为基层和年轻儿科医生提供辅诊服务，为患儿家长提供智能自诊服务和权威的第二诊疗意见，能有效避免误诊、漏诊。

　　目前，该人工智能辅诊系统已经在急诊分诊、门诊中临床应用，对一些凶险的、有可能威胁生命的重大疾病、罕见病，同样可以辅助医生诊断。

　　能不能推广到别的地区？倪浩认为，未来该系统具备应用到更多医疗场景中的能力，系统依赖的病种库、权威医学指南、顶级专家的经验，通过不断地深度学习原有数据，可以给予人工智能系统标准和权威的诊断数据支持。

　　社科院人口与劳动经济研究所社会保障研究室主任陈秋霖分析，考虑到疾病的复杂性和可能存在的地域特征，在其他地区使用时，建议按更精准的要求开展适应性检验。“作为辅助诊断系统，达到一些基本要求后，不同地区可以在使用过程中进行完善。”

　　如果辅诊其他疾病，陈秋霖认为，不同科室在人工智能应用上的要求有所不同，不能简单套用。这一方面由疾病本身决定，比如疾病诊断的复杂性，也和学科是否具有数据基础和标准等有关。

　　“基于病历数据机器学习的智能医学，是信息化时代医学发展的重要方向。从长远来看，需要对数据产权进行更清晰的界定，并形成一套创新的医疗数据产权制度，目的就是在保护个人隐私的前提下，激励患者、医生、医院、第三方数据平台企业都有积极性去创新智能医学。”陈秋霖说，这些数据目前还缺乏互联互通，一定程度上也影响着下一步的发展。