今年2月，《Nature Medicine》在线刊发了由中国依图医疗与广州市妇女儿童医疗中心联合科研团队完成的题为《使用人工智能评估和准确诊断儿科疾病》的文章。据悉，这是该权威医学杂志首次发表有关自然语言处理（NLP）技术基于中文文本型电子病历（EHR）做临床智能诊断的研究成果，也刷新了中国智慧医疗实际应用的新高度。
此篇论文由广州市妇女儿童医疗中心团队、美国加州大学圣地亚哥分校专家团队和依图医疗团队等共同完成。广州市妇女儿童医疗中心主任夏慧敏教授、数据中心梁会营博士、医务部孙新主任及儿内科门诊何丽雅主任团队完成了儿科智能辅助诊断的应用场景设计。作为国内近年来医学NLP领域重磅的科研成果，消息一经发布即引起多方关注。
深度学习：
训练AI医生读懂海量电子病历
依图医疗CEO倪浩介绍，为了实现对于电子病历信息的高效治理及分析利用，并以此为基础构建AI辅诊模型，依图医疗的科学家们与广州市妇女儿童医疗中心专家团队提出并测试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NLP对电子病历进行标注，利用逻辑回归来建立层次诊断，从而实现对于常见儿童疾病的AI辅诊。自2016年10月起，联合科研团队针对广州市妇女儿童医疗中心在2016年1月至2017年7月间的567,498个门诊病人的1,362,559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，并将这些信息用于训练和验证系统框架。此次研究同时还基于NLP实现了病历的结构化。
研究过程中，拥有超过25年临床实践经验的主治医师手动注释了6,183个图表，然后用3,564张人工标注的图表对NLP信息提取模型进行训练，并用剩下的2,619张图表对模型进行验证。该NLP模型总结了代表临床数据的关键概念类别，利用深度学习技术自动将电子健康记录（EHR）注释到标准化词汇和临床特征中，从而允许对诊断分类进行进一步处理。
性能测试中，科研团队抽取了1.2万电子病历，并召集20位临床医师与之进行性能对照。结果显示，这套基于智能病种库搭建的AI辅诊模型在55种儿科常见病的诊断准确率已经接近9成，部分疾病如急性上呼吸道感染，其诊断准确率已达到95%。
AI模型的平均得分0.885，高于医生组1平均分0.841和医生组2平均分0.839
倪浩表示，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EHR数据进行解构，从而构建了高质量的智能病种库。使得后续可以较容易地利用智能病种库建立各种诊断模型。而诊断模型证明了基于AI的系统可以帮助医生处理大型数据和辅助诊断，同时在诊断的不确定性和复杂性上给予临床支持。
目前，该系统在广妇儿2019年的第一季度调用量已经超过了3万次。
意义深远：
“AI医生”的梦想照进现实
广州市妇女儿童医疗中心主任夏慧敏教授对AI辅诊未来寄予厚望，他表示：“国家大力推进的人工智能规划，让我们看到了契机，基于信息化产生的优质医疗大数据落地AI技术和平台，既能在一定程度上解决医疗服务能力不足的问题，又能提高健康服务的公平性和可及性。我们希望，AI医疗可以帮助边远、基层、年轻的医生，为基层儿科医生和年轻儿科医生提供辅助诊疗服务，为患儿家长提供智能自诊服务和权威的第二诊疗意见，避免误诊、漏诊造成的医疗风险。”
（刘 红 摘辑自《健康报》）