在预测常见儿童疾病方面 人工智能比一些医生做得更好

中国研究人员开发了一种基于人工智能的自然语言处理算法，可以处理电子健康档案(EHR)中医生记录的自由文本，预测儿科人群的常见疾病。该算法在某些疾病的诊断上优于初级医生。

他们的发现发表在《自然》。

加州大学圣地亚哥分校的主要作者张康博士和他的同事写道：“基于人工智能的方法已经成为改变医疗服务的有力工具。”“尽管机器学习分类器(MLC)在基于图像的诊断中表现出了很强的性能，但分析大量EHR数据仍然具有挑战性。”

研究人员的模型使用深度学习技术从EHR获得临床信息。从130万名儿科患者和567，498名患者中获得超过1.01亿个数据点(EHR和手写笔记)用于训练和验证AI算法。

该系统可实现对多种疾病的高精度诊断，包括哮喘、细菌性脑膜炎、水痘、流感、单核细胞增多症和玫瑰茄病。研究人员写道，所有这些情况都可能构成危及生命的情况，因此准确的诊断至关重要。

研究人员写道：“我们的模型在多器官系统中显示出很高的诊断准确性，在诊断常见的儿童疾病方面与有经验的儿科医生相当。”

对于诊断系统来说，将患者的诊断分为一级广泛的器官系统，准确率为90%，范围从85%的胃肠道疾病到98%的神经精神疾病。

该算法在全身性疾病的诊断和预测上达到了“极高的准确率”，传染性单核细胞增多症的准确率达到90%，流感达到94%，水痘达到93%，手足口病达到97%，细菌性脑膜炎占93%。

当研究人员将他们的AI算法与医生的性能进行比较时，他们发现算法的性能优于初级医生，但并不比有经验的提供者好。

研究人员指出：“该系统在所有器官系统和子系统中具有优异的性能，与检查医生确定的初始诊断相比，其预测诊断具有较高的准确性。”

张等人注意到，他们的框架可以在临床实践中以多种方式实现——它可以对紧急护理环境中的程序进行分类，并帮助根据预测的诊断来确定患者的优先级。此外，该算法可以帮助提供商诊断患有复杂或罕见疾病的患者。

研究人员总结道：“我们的研究为基于人工智能的系统的实现提供了概念证明。这种方法可以帮助医生处理大量数据，增强诊断评估，在诊断不确定或复杂时提供临床决策支持。”“尽管这种影响可能在医疗保健提供商相对短缺的地区最为明显，但这种人工智能系统的好处可能是普遍的。”

越来越多的公司正在投资使用机器学习的儿科护理，这可能表明他们对儿科人群的兴趣。近日，总部位于加州的AI医疗公司Pr3vent结束了A轮融资。Pr3vent的AI使能筛查工具通过使用婴儿视网膜的图像来检测异常，是同类诊断中的第一个筛查工具，用于早期发现新生儿可预防的视力下降。