人工智能不仅能“读图”识别影像，还能“识字”读懂病历，理解患者病情并推荐临床诊断，准确度甚至超过医生、媲美经验丰富的专家……如今，这一幕极具科幻感的场景，已经迈入现实。

广州市妇女儿童医疗中心联合依图医疗、康睿智能科技等业内顶级研究团队以及广东省再生医学重点实验室，利用人工智能技术诊断儿科疾病取得重磅科研成果，并于北京时间12日发表于国际知名医学科研期刊《自然医学》。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。

据悉，此次文章发表，距离该团队在《细胞》杂志封面发表有关AI图像诊断的论文，刚好过去一年。它也标志着，AI模拟人类医生进行疾病诊断的时代已经到来。

A 特别在哪？ 能准确“读”病历

随着相关研究不断深入，近年来，人工智能在基于医学图像的诊断工具方面表现突出，但这仍局限于相对标准化的静态图像数据，如何让人工智能理解复杂的病历文本数据（医生的知识和语言），成为医疗AI面临的重大挑战之一。

为此，广州市妇女儿童医疗中心院长夏慧敏领衔的医疗数据智能化应用团队联合相关机构，开展了基于文本病历数据的儿科常见疾病智能诊断研究。

据悉，目前，该AI系统的功能已经十分强大。一方面，可以通过人机交互获取患者或家长口述文本，包括主诉、症状、疾病史、用药史等信息，做出粗略诊断，给出可能的疾病范围；另一方面，还可通过医生当面问诊或互联网远程问诊，获取详细病情及鉴别诊断特征，模型据此重新运算，给出具体的精确诊断。此外，如果有实验室检验或影像检查数据，AI模型还可以进一步确认其诊断结果。

更重要的是，AI系统具备增量学习的功能，在实践中对于被采纳的结果会增强记忆，对于未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。

B 医术怎样？ 高于低年资医生

既然人工智能已经具备“读”病历和诊断疾病能力，那么，它是否能诊断所有病？

广州市妇女儿童医疗中心数据中心主任梁会营表示，目前，该AI可诊断55种儿科常见疾病，其中，最常见的诊断包括急性上呼吸道感染、支气管炎、腹泻、支气管肺炎、急性扁桃体炎、口腔炎和急性鼻窦炎，并且，其准确度与经验丰富的儿科医师相当。

广州市妇儿中心儿内科门诊主任何丽雅介绍，2018年8月，研究团队曾组织开展过一场“人机大战”。研究人员随机抽出1.2万份患儿病历，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的成绩和人类医生相比如何。通过对哮喘、脑炎、胃肠疾病等多种疾病进行诊断，比赛结果显示，AI模型的平均F1得分为0.885，高于两组低年资医生（分别为0.841和0.839），接近三组高年资医生（分别为0.907、0.915和0.923）。

梁会营透露，通过上线后三个月的完善迭代，该系统在今年1月1日至1月21日的调用量已经超过了3万次，以临床医生诊断为金标准，其诊断与临床符合率达87.4%。“也就是说，AI工作20天，相当于一位儿科副主任医师一整年的门诊工作量”。

C 怎么应用？ 初诊或罕见病辅诊

人工智能辅助诊断系统今后将如何应用到临床中？研究团队也进行了畅想：首先，它可以用作分诊程序。例如，当患者来到急诊科，可由护士获取其生命体征、基本病史和体格检查数据输入到模型中，允许算法生成预测诊断，帮助医师筛选优先诊治哪些患者；另一个潜在应用是帮助医师诊断复杂或罕见疾病。通过这种方式，医师可以使用AI生成的诊断来帮助拓宽鉴别诊断并思考可能不会立即显现的诊断可能性。

对于人工智能辅助诊断系统的未来，夏慧敏表示，人工智能学习了海量数据后，其诊断结果的准确性仍然需要更大范围的数据对其进行验证和比对。并且，需要纳入更多病种等。此外，人工智能还要往健康领域拓展，不仅能诊断疾病和提出治疗方案，还能为患儿及家长开具“健康处方”，实现医、护、患三者联动。

至于AI是否会成为真正的“医生”，夏慧敏认为，首先技术上需要突破，在疾病诊疗中不允许有任何差错。同时，也有很多要素有待考量，如政策是否允许等。

对儿童急性上呼吸道感染诊断准确率达95%

这位AI医生 是怎样“炼”成的？

“脑”中装有庞大数据

能“读懂”病例、像医生一样“思考”的AI是如何“炼”成的？

“医疗AI研究，数据秒杀一切。我们在这方面已经走在了前头。”广州市妇女儿童医疗中心数据中心主任梁会营介绍，2017年，市妇儿中心成为全华南地区首家通过国家电子病历功能与应用分级评价六级医院。2018年，又成为全国首批通过国家互联互通标准化成熟度五级乙等医院。

庞大的数据库为人工智能研究提供了坚实保障。

有了数据支撑，接下来，研究人员要做的就是“训练”AI，让它理解海量电子病历中的临床特征数据。和影像数据不同，电子病历涵盖患者主诉、症状、个人史、体格检查、实验室检验结果、影像学检查结果、用药信息等多个维度。

不断深度学习更新迭代

临床电子病历由不同医生书写，其形式和质量都有差异。AI如何从中挖掘有效数据，并用机器学习方法来进行准确识别？其难度可想而知。

为此，研究团队利用依图医疗的NLP技术，建立了一套病历智能分析系统，即先通过NLP对电子病历进行标注，再利用逻辑回归来建立层次诊断。

依图医疗CEO倪浩解释，首先，研究团队用深度学习和知识图谱建立一套智能病种库，深度挖掘和分析医疗文本的信息，将非结构化文本形式的病历数据变成规范化、标准化和结构化的数据，以便AI可以准确完整地“读懂”病历。过程中，30余位高级儿科医师和十余位信息学研究人员组成的专家团队还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。

逐层判定给出诊断结果

“读懂”病历还不够，还要让AI学会诊断疾病。为此，研究团队又开发了一套诊断结果智能推荐系统，模拟人类医生的诊疗路径，对目标患儿进行逐级判定。

广州市妇女儿童医疗中心医务部主任孙新进一步解释，这套系统会使用基于器官的方法，诊断首先被分成广泛的器官系统，如呼吸系统、神经系统、消化系统等，然后对每个分类进行细化，分成器官子系统或更具体的诊断组。例如，在最常见的呼吸系统疾病中，该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、肺炎进行细分。

经过检验，在每一层级，由AI做出的初级诊断在精确度上都接近检查医师做出的初级诊断。以在患儿群体中最常见的急性上呼吸道感染为例，模型对病例的诊断可达95%的准确率。