中國的研究人員已經(jīng)開發(fā)了一種基于AI的自然語言處理算法，該算法可以處理電子健康記錄(EHR)中醫(yī)生記錄中的自由文本，以預測兒科人群的常見疾病。該算法在診斷某些疾病方面勝過了初級醫(yī)師。

他們的發(fā)現(xiàn)發(fā)表在《自然》上。

加州大學圣地亞哥分校的主要作者康章(Kang Zhang)博士和同事寫道：“基于人工智能的方法已經(jīng)成為轉(zhuǎn)變醫(yī)療服務的強大工具。” “盡管機器學習分類器(MLC)在基于圖像的診斷中已經(jīng)表現(xiàn)出強大的性能，但是對大量多樣的EHR數(shù)據(jù)進行分析仍然具有挑戰(zhàn)性。”

研究人員的模型使用深度學習技術從EHR獲取臨床相關信息。從567,498名患者的130萬兒科患者就診中獲得了超過1.01億個數(shù)據(jù)點(EHR和手寫筆記)，以進行訓練和驗證AI算法。

該系統(tǒng)能夠在診斷多種疾病(包括哮喘，細菌性腦膜炎，水痘，流感，單核細胞增多癥和玫瑰茄)的過程中實現(xiàn)高精度。研究人員寫道，所有這些條件都可能構成威脅生命的條件，因此準確的診斷至關重要。

研究人員寫道：“我們的模型在多個器官系統(tǒng)中顯示出很高的診斷準確性，在診斷常見的兒童疾病方面可與經(jīng)驗豐富的兒科醫(yī)生媲美。”

對于診斷系統(tǒng)將患者的診斷分為廣泛器官系統(tǒng)的第一級，準確性為90%，范圍從胃腸道疾病的85%到神經(jīng)精神疾病的98%。

該算法在廣義全身性疾病的診斷預測中達到了“非常高的準確性”，傳染性單核細胞增多癥的準確率達90%，流感的準確率達94%，水痘的準確率達93%，手足口病的準確率達97%細菌性腦膜炎占93%。

當研究人員將他們的AI算法與醫(yī)師的表現(xiàn)進行比較時，他們發(fā)現(xiàn)其算法的性能要比初級醫(yī)師要好，但并沒有比經(jīng)驗豐富的提供者更好。

研究人員指出：“該系統(tǒng)在所有器官系統(tǒng)和子系統(tǒng)中均具有出色的性能，與由檢查醫(yī)師確定的初始診斷相比，其預測診斷具有很高的準確性。”

張等。注意到他們的框架可以在臨床實踐中以多種方式實施-它可以在緊急護理環(huán)境中對程序進行分類，并根據(jù)預測的診斷幫助確定患者的優(yōu)先級。另外，該算法可以幫助提供者診斷患有復雜或罕見病的患者。

研究人員總結(jié)說：“我們的研究為實施基于AI的系統(tǒng)提供了概念證明，該方法可幫助醫(yī)生處理大量數(shù)據(jù)并增強診斷評估，并在診斷不確定或復雜的情況下提供臨床決策支持。” “盡管這種影響在醫(yī)療保健提供者相對短缺的地區(qū)可能最為明顯，但這種AI系統(tǒng)的好處很可能是普遍的。”

越來越多的公司正在投資采用機器學習的兒科護理，這可能表明對兒科人群的興趣。最近，總部位于加利福尼亞州 的AI醫(yī)療保健公司Pr3vent結(jié)束了A輪融資。Pr3vent的具有AI功能的篩查工具通過使用嬰兒視網(wǎng)膜的圖像來檢測異常，并且是同類診斷中的第一個篩查工具，用于早期發(fā)現(xiàn)新生兒可預防的視力喪失。