NatureMedicine发布人工智能专刊：AI不再是幻想

　　科幻小说和电影中常常出现能诊断看病的机器人，像是风靡全球的科幻动画片《超能陆战队》里的“大白”最开始就是为了医疗开发出来的暖男。时至今日，这个构想已经不仅仅是幻想了，Nature Medicine近日就发布了人工智能专刊，介绍了AI在医疗领域的进展。

　　诊断神经系统疾病

　　来自西奈山伊坎医学院（Icahn School of Medicine at Mount Sinai）的研究人员开发出了一个新型人工智能平台，旨在识别一系列急性神经系统疾病，如中风、出血和脑积水等。

　　经过一系列的试验和测试后，这个人工智能平台仅用时1.2秒，就能在CT图像中识别出神经疾病，这一速度甚至比人类的诊断速度还要快。这项研究发表在了《Nature Medicine》上，是一项利用人工智能检测一系列急性神经系统疾病，并展示直接临床应用的研究。

　　这项研究使用了“弱监督学习方法”，利用研究团队在自然语言处理方面的专业知识和西奈山卫生系统（Mount Sinai Health System）的大型临床数据集，来开展此项研究。研究人员利用37236个头部CT图像，来训练一个深度神经网络，让其识别图像中是否包含关键或非关键的发现。在完成训练后，研究人员使用了一个单盲、随机对照试验，在模拟临床环境中对这一算法进行测试，让其根据病情的严重程度，来对头部CT图像进行分诊。

　　诊断儿科疾病

　　近年来，AI在基于医学图像的诊断工具表现抢眼，但一般还局限于相对标准化的静态图像数据。在这项最新科研成果中，人工智能在识别影像的基础上，通过自动学习病历文本数据（医生的知识和语言）中的诊断逻辑，逐步具备了一定的病情分析推理能力，能更进一步读懂、分析复杂的病例，意味着人工智能或将能像医生一样“思考”。

　　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、实验室检验结果、影像学检查结果、用药信息等多方面的数据。研究团队利用依图医疗的NLP技术建立一套病历智能分析系统，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话、标准化和结构化的数据，以便AI可以准确完整地“读懂”病历。为此，医生、科学家和技术人员通力合作，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。

　　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路径，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”。具体来看，这套系统首先会按呼吸系统疾病、胃肠道疾病、全身性疾病等几大系统分，然后在每一类下面做细分。举例来说，在最常见的呼吸系统疾病中，这个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。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。

　　廉价早期心脏病检测

　　梅奥诊所的一项研究发现，将人工智能（AI）用于广泛的廉价测试——心电图（EKG），就可以组合成一种简单，经济的无症状左心室功能障碍的早期检测方式，这种功能障碍就是一种前心脏衰竭先兆。

　　“充血性心力衰竭的患者超过500万人，仅在美国就需要300多亿美元的医疗保健支出，”梅奥诊所中西部心血管医学部教授Paul Friedman博士说，“能够在10秒钟内完成易于获取，价格低廉的心电图记录，并且用AI进行数字化处理，提取先前隐藏的心脏病的新信息，这对于拯救生命和改善健康来说，意义重大”。

　　在最新研究中，梅奥诊所的研究人员假设，通过适当训练的神经网络可以在EKG中可靠地检测到无症状左心室功能障碍。使用Mayo Clinic存储的数字数据，研究人员筛选了625,326对配对的EKG和经胸超声心动图，希望能鉴定待研究群体的患病情况。为了验证这一假设，研究人员创建，训练，验证并测试了神经网络。

　　最终研究的结论告诉我们，应用于标准EKG的AI可以可靠地检测出无症状左心室功能障碍。 AI/EKG测试的准确性优于其他常见的筛查测试，例如前列腺癌的前列腺特异性抗原，乳腺癌的乳房X光检查和宫颈癌的宫颈细胞学检查。

　　此外，在没有心室功能障碍的患者中，与筛查阴性的患者相比，AI筛查阳性的患者发生未来心室功能障碍的风险是其四倍。 “换句话说，该测试不仅确定了无症状疾病，还预测了未来疾病的风险，可能是通过识别心肌无力之前发生的非常早期，微妙的心电图变化，”Friedman博士指出。