研讨人员提出并测试了一个专门对电子医学病例进行数据发掘的体系结构，将医学知识和数据驱动模型结合在一起。该体系先经过天然语言处理技能对电子病例进行标示，再利用逻辑回归来树立层次确诊。

　　本文一起榜首作者、依图医疗CEO倪浩对汹涌新闻（）表明，挑选儿科疾病作为研讨目标，一方面是因为国家全面敞开二孩后对儿科医师的需求会越来越高，而儿科医师缺少、流失率高是众所周知的社会现状；另一方面，经过人工智能技能复原儿科医师才能，能服务三甲医院和底层医院，获得较好的临床及社会效益。

　　据论文显现，在常见的儿童疾病中，该人工智能体系展示出了杰出的确诊准确率。以呼吸体系疾病为例，人工智能疾病确诊体系对上呼吸道疾病和下呼吸道疾病的确诊准确率分别为89%和87%，在上呼吸道疾病确诊中，急性喉炎和鼻窦炎的准确率分别为86%和96%，对不同类型哮喘的确诊准确率从83%到97%。

　　在一般体系性疾病以及风险程度更高的疾病中，该人工智能疾病确诊体系也展示出较高的确诊准确率，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%）。

　　为了练习上述人工智能确诊体系，研讨人员在广州妇儿医院搜集了56.7万个门诊患者的136万次问诊电子病历，从中抽取到1.016亿个儿科常见疾病的数据点，再将这些信息用于练习和验证体系结构。病例的时间跨度为2016年1月到2017年7月，患者的年纪中位数为2.35岁。初始确诊包含儿科的55种多种病例学中的常见疾病。

　　人工智能体系和医疗团队在儿科疾病确诊水平的比较（表中第二列代表人工智能体系的确诊准确率，第三至第七列为医师的确诊准确率；每一行代表不同的疾病，依次为有哮喘、脑炎、肠胃疾病、急性喉炎、肺炎、鼻窦炎、下呼吸道疾病等 ）。

　　研讨人员还经过一个独立的11926份儿科病例，进行了人工智能体系和5组人类医师的确诊比照。研讨发现，模型的确诊水平超出了两组初级医师，但低于三组资深医师。该成果表明模型能够协助初级医师进行确诊，但还无法超越赋有资格的医师。

　　在使用层面，本文作者以为，这种类型的人工智能体系或许有助于简化患者护理环节，例如对患者进行分诊。护理或一般医师能够先经过记载一些根本数据来让模型发生一个猜测治疗成果。这个成果能够决议患者的优先级，区别那些或许患一般伤风的患者和那些病况更严峻、需求紧迫干涉的患者。

　　关于这个问题，一起榜首作者倪浩对汹涌新闻表明，该体系在规划之初就考虑到了临床数据的规范化、统一化程度有限及不同医疗机构之间的临床数据竖井式问题，研讨人员经过世界医学规范化术语调集和临床术语同义词库等方法，在必定程度上减轻不同医疗机构之间医学文本描绘不一致的问题。

　　他还介绍，在确诊根据层面，这项研讨结合的是规范的临床实践攻略、经典临床教科书和高年资主任的经历，能够适配全国不同层级的医疗机构。“此次论文描绘的是一整套完好的、根据临床科室构建出确诊体系的体系。未来有望拓宽到多更多临床科室，包含成人科室”。

　　该研讨的通讯作者，广州市妇女儿童医疗中心夏慧敏教授表明，“这篇文章的启示含义在于，经过体系学习文本病历，人工智能或将能够确诊更多疾病。”但他一起指出，需求清醒认识到，仍有许多基础性作业要做厚实，比方高质量数据的集成是一个长时间的进程，大数据的搜集和剖析需求算法工程师、临床医师、流行病学专家等在内的多专家的通力合作。

上一篇：OUR NEWS新闻资讯 下一篇：德清形式——医学人工智能运用助力县域医共体建造