从“会看片”到“能诊断”的这一步跃升，是AI医疗从前沿技术转变为现实应用的一大步。
想象一下这样看病——“读图”识别影像、“认字”读懂病历、出具诊断报告、给出治疗建议的，不是医生，而是你看不见的一套AI系统……你会不会心有疑虑，这些“医生”能靠谱吗？
如果看到这样一项利用AI诊断儿科疾病的科研成果，或许会让你放心许多：在学习了136万份电子文本病历中的诊断逻辑后，AI针对55种常见儿科疾病和部分危急重症的诊断准确率，已经超过一般年轻医生。
今年2月份，这项成果以《使用人工智能评估和准确诊断儿科疾病》为题在国际医学杂志《Nature Medicine》上在线发布。该成果由广州市妇女儿童医疗中心与依图科技等企业和科研机构共同完成。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做临床智能诊断的研究成果。
在研究项目发起人、广州市妇女儿童医疗中心夏慧敏教授看来，“这篇文章的启示意义在于，通过系统学习文本病历，人工智能或将可以诊断更多疾病。”
文章第一作者之一、依图医疗总裁倪浩表示：“人工智能辅助诊断能够在一定程度上解决医疗服务能力不足的问题，辅助基层和年轻医生提高诊断质量，降低误诊、漏诊率，并诊断出可能威胁生命的重大疾病、罕见病。”
政策全力驱动，AI医疗正当时
人工智能已经成为新一轮科技革命和产业变革的核心驱动力。去年10月31日，中共中央政治局就人工智能发展现状和趋势举行第九次集体学习，习近平总书记强调指出，要抓住民生领域的突出矛盾和难点，加强人工智能在教育、医疗卫生、体育、住房、交通、助残养老、家政服务等领域的深度应用，创新智能服务体系。
具体到医疗领域，2016年3月，国务院办公厅发布《关于促进医药产业健康发展的指导意见》，明确提出开展智能医疗服务。去年4月，国务院办公厅印发《关于促进“互联网+医疗健康”发展的意见》，明确鼓励“互联网+”医疗服务和人工智能等技术应用。
在国家政策的大力支持下，人工智能医疗影像产品一度成为国内外AI医疗企业竞争的主战场，也成为国内企业实现全球技术追赶和领跑的突破口。
然而，目前不得不面对的一个现实是，尽管影像辅助类产品快速涌现，但在市场需求更大的临床科室，其所需要的辅助诊断产品构建依然不够清晰。相较于影像科，临床科室面临的数据更多是自然语言，依赖患者主诉、症状、个人疾病史、体格检查、实验室检验结果等做综合判断。相比单纯影像，临床诊断无疑对人工智能技术提出了更高级别的要求。
去年11月，工业和信息化部发布《新一代人工智能产业创新重点任务揭榜工作方案》，该榜单将人工智能产业发展到2020年的17个方向的任务一字排开，向全社会开展“揭榜挂帅”工作。“医疗影像辅助诊断系统”是一大重点方向，在其预期中，逐步扩大临床辅助应用正是重点目标之一。
进入临床诊断，AI医疗一大步
如果说图像识别是人工智能在医疗行业技术落地的第一站，那么从“会看片”到“能诊断”，无疑是AI医疗发展进程中的重大突破。这一步跃升，是AI医疗从前沿技术转变为现实应用的一大步。
数量巨大、多种多样的文本病历，如何看得懂、学得会，一直是AI医疗的巨大挑战。
依图与广州市妇女儿童医疗中心进行合作，收集了该中心在2016年1月至2017年7月间的近60万名患儿、超过130万门诊人次的电子病历，针对电子病历中医生记录的诊断文本，研究人员建立了一套自然语言处理模型进行信息提取。在这一阶段，医生和科学家通力合作，由高级主治医师和信息学研究人员组成专家团队，手动给电子病历上的6000多张图表进行注释，对模型进行训练和检验。高质量的数据输入成为这套系统的关键优势。
“实际上就是通过深度学习，系统构建了一个高质量的智能病种库，有了它，研究人员可以利用智能病种库建立诊断模型。”倪浩表示，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，AI系统逐步具备了一定的病情分析推理能力，能读懂并分析复杂病例，智能给出诊断意见。
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，这套系统会对疾病进行分组分类细分。比如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、肺炎细分，比较科学。
2019年1月1日，该系统正式在广州市妇儿中心进入临床应用。从1月1日至1月21日的短短20天内，该院医生已实际调用它开展辅助诊断30276次，诊断与临床符合率达到87.4%。
该系统的治疗结果显示，在常见儿童疾病方面的综合诊断准确率媲美医生，甚至优于相对低年资儿科医生（3年以内主治经验）。以呼吸系统疾病为例，对上呼吸道疾病和下呼吸道疾病的诊断准确率分别为89%和87%，而在上呼吸道疾病诊断中，急性喉炎和鼻窦炎的准确率分别高达86%和96%，对不同类型哮喘的诊断准确率从83%到97%。同时对普通系统性疾病以及危险程度更高的疾病也有很高的诊断准确率，例如流感（94%）、手足口病（97%）和细菌性脑膜炎（93%）。
据研究团队介绍，此项研究之所以得到《Nature Medicine》杂志的认可，其重要原因还在于该项研究呈现出的AI極强的多场景应用能力。倪浩认为，人工智能技术是在技术层实现分级诊疗的最大助力。借助高水平医生的经验和顶级医院的数据来完善人工智能系统，就能够辅助医疗水平不太高的地区，以及基层和经验不足的年轻医生，提高诊断质量，降低漏诊、误诊率，提升复杂或罕见病症的诊疗能力，并进一步提高诊断效率。