AI醫療加速度

陳浩杰

從“會看片”到“能診斷”的這一步躍升，是AI醫療從前沿技術轉變為現實應用的一大步。

想象一下這樣看病——“讀圖”識別影像、“認字”讀懂病歷、出具診斷報告、給出治療建議的，不是醫生，而是你看不見的一套AI系統……你會不會心有疑慮，這些“醫生”能靠譜嗎？

如果看到這樣一項利用AI診斷兒科疾病的科研成果，或許會讓你放心許多：在學習了136萬份電子文本病歷中的診斷邏輯后，AI針對55種常見兒科疾病和部分危急重癥的診斷準確率，已經超過一般年輕醫生。

今年2月份，這項成果以《使用人工智能評估和準確診斷兒科疾病》為題在國際醫學雜志《Nature Medicine》上在線發布。該成果由廣州市婦女兒童醫療中心與依圖科技等企業和科研機構共同完成。這是全球首次在頂級醫學雜志發表有關自然語言處理（NLP）技術基于中文文本型電子病歷做臨床智能診斷的研究成果。

在研究項目發起人、廣州市婦女兒童醫療中心夏慧敏教授看來，“這篇文章的啟示意義在于，通過系統學習文本病歷，人工智能或將可以診斷更多疾病。”

文章第一作者之一、依圖醫療總裁倪浩表示：“人工智能輔助診斷能夠在一定程度上解決醫療服務能力不足的問題，輔助基層和年輕醫生提高診斷質量，降低誤診、漏診率，并診斷出可能威脅生命的重大疾病、罕見病。”

政策全力驅動，AI醫療正當時

人工智能已經成為新一輪科技革命和產業變革的核心驅動力。去年10月31日，中共中央政治局就人工智能發展現狀和趨勢舉行第九次集體學習，習近平總書記強調指出，要抓住民生領域的突出矛盾和難點，加強人工智能在教育、醫療衛生、體育、住房、交通、助殘養老、家政服務等領域的深度應用，創新智能服務體系。

具體到醫療領域，2016年3月，國務院辦公廳發布《關于促進醫藥產業健康發展的指導意見》，明確提出開展智能醫療服務。去年4月，國務院辦公廳印發《關于促進“互聯網+醫療健康”發展的意見》，明確鼓勵“互聯網+”醫療服務和人工智能等技術應用。

在國家政策的大力支持下，人工智能醫療影像產品一度成為國內外AI醫療企業競爭的主戰場，也成為國內企業實現全球技術追趕和領跑的突破口。

然而，目前不得不面對的一個現實是，盡管影像輔助類產品快速涌現，但在市場需求更大的臨床科室，其所需要的輔助診斷產品構建依然不夠清晰。相較于影像科，臨床科室面臨的數據更多是自然語言，依賴患者主訴、癥狀、個人疾病史、體格檢查、實驗室檢驗結果等做綜合判斷。相比單純影像，臨床診斷無疑對人工智能技術提出了更高級別的要求。

去年11月，工業和信息化部發布《新一代人工智能產業創新重點任務揭榜工作方案》，該榜單將人工智能產業發展到2020年的17個方向的任務一字排開，向全社會開展“揭榜掛帥”工作。“醫療影像輔助診斷系統”是一大重點方向，在其預期中，逐步擴大臨床輔助應用正是重點目標之一。

進入臨床診斷，AI醫療一大步

如果說圖像識別是人工智能在醫療行業技術落地的第一站，那么從“會看片”到“能診斷”，無疑是AI醫療發展進程中的重大突破。這一步躍升，是AI醫療從前沿技術轉變為現實應用的一大步。

數量巨大、多種多樣的文本病歷，如何看得懂、學得會，一直是AI醫療的巨大挑戰。

依圖與廣州市婦女兒童醫療中心進行合作，診斷結果智能推薦系統率先在該醫院進入臨床應用。

依圖與廣州市婦女兒童醫療中心進行合作，收集了該中心在2016年1月至2017年7月間的近60萬名患兒、超過130萬門診人次的電子病歷，針對電子病歷中醫生記錄的診斷文本，研究人員建立了一套自然語言處理模型進行信息提取。在這一階段，醫生和科學家通力合作，由高級主治醫師和信息學研究人員組成專家團隊，手動給電子病歷上的6000多張圖表進行注釋，對模型進行訓練和檢驗。高質量的數據輸入成為這套系統的關鍵優勢。

“實際上就是通過深度學習，系統構建了一個高質量的智能病種庫，有了它，研究人員可以利用智能病種庫建立診斷模型。”倪浩表示，通過自動學習病歷文本數據（醫生的知識和語言）中的診斷邏輯，AI系統逐步具備了一定的病情分析推理能力，能讀懂并分析復雜病例，智能給出診斷意見。

研究團隊還開發了一套診斷結果智能推薦系統，模擬人類醫生的診療路徑，把目標患兒進行逐級判定。廣州市婦兒中心醫務部主任孫新認為，專業兒科醫生高質量的先驗醫學知識輸入成為這套系統的關鍵優勢。具體來看，這套系統會對疾病進行分組分類細分。比如在最常見的呼吸系統疾病中，這個系統會先按上呼吸道和下呼吸道進行區分，再按喉炎、氣管炎、支氣管炎、肺炎細分，比較科學。

2019年1月1日，該系統正式在廣州市婦兒中心進入臨床應用。從1月1日至1月21日的短短20天內，該院醫生已實際調用它開展輔助診斷30276次，診斷與臨床符合率達到87.4%。

該系統的治療結果顯示，在常見兒童疾病方面的綜合診斷準確率媲美醫生，甚至優于相對低年資兒科醫生（3年以內主治經驗）。以呼吸系統疾病為例，對上呼吸道疾病和下呼吸道疾病的診斷準確率分別為89%和87%，而在上呼吸道疾病診斷中，急性喉炎和鼻竇炎的準確率分別高達86%和96%，對不同類型哮喘的診斷準確率從83%到97%。同時對普通系統性疾病以及危險程度更高的疾病也有很高的診斷準確率，例如流感（94%）、手足口病（97%）和細菌性腦膜炎（93%）。

據研究團隊介紹，此項研究之所以得到《Nature Medicine》雜志的認可，其重要原因還在于該項研究呈現出的AI極強的多場景應用能力。倪浩認為，人工智能技術是在技術層實現分級診療的最大助力。借助高水平醫生的經驗和頂級醫院的數據來完善人工智能系統，就能夠輔助醫療水平不太高的地區，以及基層和經驗不足的年輕醫生，提高診斷質量，降低漏診、誤診率，提升復雜或罕見病癥的診療能力，并進一步提高診斷效率。

更重要的是，此次科研成果清晰地表明了自然語言處理技術是輔助診斷臨床科室的產品構建的關鍵，能夠成功打開AI應用于臨床科室的市場大門，實現AI技術在自然語言領域的飛躍性突破，打破AI無法代替人類進行醫療診斷的壁壘，驅動AI醫療進入新的發展階段。

引領醫療變革，AI醫療三階段

在依圖目前的規劃中，AI醫療的發展可分為三個階段。

首先，是“智能應用”階段。時間從2016年到2018年，是AI醫療發展的第一階段。這個階段的主要特征是做單科室的單任務，用人工智能去解決重復繁雜的任務，提升單點任務的效率和質量，例如肺癌、乳腺癌、骨齡的影像輔助診斷。該階段可稱作以任務為中心的“智能應用”階段。

其次，進入“智能單病種”階段，預計時間跨度為2019年到2022年。這一階段的特點是基于臨床、放射、病歷、基因等多科室的數據來做綜合的診斷，實現多學科的綜合診療，輔助醫生提高診斷質量。這一階段需要自然語言處理、影像識別等多模態數據處理技術來做支撐，對技術的要求更高。該階段可稱作以疾病為中心的“智能單病種”階段。

最終，實現以患者為中心的“智能診療”階段，預計從2023年延續到2025年。這一階段主要研發的是針對個體的醫學診療技術，未來有很多可靠的醫用設備能夠被患者穿戴。這些可穿戴的設備能夠實時監控患者的心率、血糖、血壓等實時數據，用來作為醫學證據。這一階段早被業界提及，但真正實現還需要經過一定的時間考驗。

依圖的發展，是AI醫療產業突飛猛進的縮影。

去年6 月，依圖宣布與華西醫院在肺癌研究方面展開合作。

近年來，在AI醫療這條熱門賽道上，百度、阿里、騰訊、科大訊飛等紛紛布局AI+醫療，落地多項AI醫療“黑科技”，驅動醫療智能化再提速。一份數據顯示，自2014年以來，國內醫療AI企業數量進入高速增長期，2016年達36家之多，到2018年這個數字已經超過50家。2018年上半年，中國超過英國成為全球醫療AI交易活躍度第二高的國家。

臨床診斷非終點，目標實現全流程

這家在外界眼中“干一行、成一行”的公司，自2016年開始布局醫療業務版圖后，依圖即致力于憑借在深度學習、計算機視覺、自然語言處理等領域的先進技術以及在醫療行業的深厚累積，面向多科室提供臨床智能診斷和智能管理，不僅提供醫療智能全棧式產品解決方案，還與頂級三甲醫院、國內外頂尖高校形成深入科研合作，共同申請多項“十三五”重大課題與國家自然科學基金項目。

去年6月，依圖宣布與華西醫院在肺癌研究方面展開合作，后者擁有全球同類研究中最大的數據庫，通過合作，依圖能接觸到約2.8萬例真實世界病例，用于人工智能診斷研究。這是人工智能技術在全球范圍內第一次基于大樣本人口進行的重疾篩查。

去年11月9日，依圖在北京啟動了“AI防癌地圖”項目，計劃在未來5年內投入1億元項目資金，聯合數百家醫療機構，覆蓋19個省區市，以AI應用提升醫療機構服務供給能力，助力實現癌癥的早發現、早診斷、早治療。

去年11月底，依圖在2018北美放射學年會（RSNA）上正式發布全球首個基于醫療人工智能技術的癌癥篩查智能診療平臺及care.aiTM胸部CT智能4D影像系統，在全球范圍內首次突破單一肺結節檢出。

截止到目前，依圖的AI醫療影像系統已經應用于全國200多家三甲醫院，覆蓋肺癌、乳腺癌、宮頸癌、胃腸疾病等眾多病種。

目前，依圖依然是唯一跳出人臉識別和“讀圖”醫療局限的AI企業。倪浩表示，從最初針對全球“癌癥殺手”推出人工智能肺癌輔助診斷，再到攻克兒童疾病輔助診斷，依圖扎根在醫療領域，就是希望能夠將全球最好的人工智能技術服務國人健康，為“健康中國”出把力。