据悉,这是全球首次在医学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,该模型在诊断常见儿童疾病方面可与经验丰富的儿科医生相媲美。 在这项最新科研中,研究人员们训练AI理解海量电子病历中的临床特征数据,包括患者主诉、症状、个人史、体格检查、用药信息等多方面的数据。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6000多张图表进行注释,并持续对模型进行检验和迭代。 同时,研究团队还开发了一套诊断结果智能推荐系统,模拟人类医生的诊疗径,把目标患儿进行逐级判定。广州市妇儿中心医务部主任孙新认为,“专业儿科医生高质量的先验医学知识输入成为这套系统的关键优势”。该模型先通过NLP对电子病例进行标注,利用逻辑回归来建立层次诊断,在诊断常见儿童疾病方面可与经验丰富的儿科医生相媲美。例如在患儿群体中最常见的急性上呼吸道感染,模型对病例的诊断达到95%的准确率。 对于一些凶险的、有可能生命的疾病(例如急性哮喘发作、细菌性脑膜炎等),算法也同样表现出了强大的诊断性能。广州市妇女儿童医疗中心儿内科门诊主任何丽雅认为:“这在临床应用中有非常重要的意义,有了AI快速分诊的辅助,可以让医疗服务的有限资源用于最需要帮助的患者。” 通过自动学习来自56.7万名儿童患者的136万份高质量电子文本病历中的诊断逻辑,该AI应用于诊断多种儿科常见疾病,准确度与经验丰富的儿科医师相当。研究人员随机抽出12000份患儿病历,并把20位“参赛”儿科医生按年资和临床经验高低分成5组,看看AI的成绩和哪一组医生接近。结果显示,AI模型的平均得分高于两组低年资医生,接近三组高年资医生。 广州市妇女儿童医疗中心数据中心主任梁会营博士透露,通过上线后三个月的完善迭代,该系统在2019年的第一季度调用量已经超过了3万次,他强调这些调用的数据是对辅诊实用性能评估、针对性能力提升的指南针。梦到钱包丢了
|