新一代AI不仅会“看病”，还能精确指导治疗！研究成果首登世界顶级期刊

　　我国人工智能在临床医学应用取得新突破！39健康网最新获悉，2月23日，广州市妇女儿童医疗中心基因检测中心、临床数据中心、医学影像部及眼科等科研团队在世界顶级期刊《Cell》(细胞)以封面文章的形式发表了一篇人工智能（AI）在医疗领域应用的重磅研究成果：基于深度学习开发出一个能诊断眼病和肺炎两大类疾病的AI系统。其“看病”水平可以媲美优秀的专业医生，诊断黄斑变性、黄斑水肿的准确性达到96.6%，区分细菌性肺炎和病毒性肺炎的准确性达90.7%。

　　据悉，这不仅是中国研究团队首次在顶级生物医学杂志发表有关医学人工智能的研究成果，也是世界范围内首次使用如此庞大的标注好的高质量数据进行迁移学习，并取得高度精确的诊断结果，实现用AI精确推荐治疗手段的突破。

（期刊封面）

（图片来源于受访者）

　　学习20万眼疾患者图像资料，诊断准确性高达96.6%

　　中国人口众多，医疗资源相对缺乏，病人数量庞大，尤其经济落后的偏远地区，医疗资源更是不平衡，而发展医用人工智能对转诊分流、治疗疾病的改进具有重要意义。

　　在当天新闻发布会上，广州市妇女儿童医疗中心研发团队介绍，新一代AI平台具有“超强本领”，既能读X光片和超声数据，又可以阅读CT和MR；既能判别是否异常，还能告诉医生做出这一判断的依据。

　　广州市妇女儿童医疗中心基因检测中心主任、加州大学圣地亚哥分校Shiley眼科研究所教授张康（本文的通讯作者）研究团队将前期跨病种迁移学习的研究成果率先转移到了眼科OCT数据领域。让基于迁移学习算法的新一代AI平台不停地学习OCT图像数据，其在眼病诊断方面展示出惊人的优势。

（张康教授介绍新一代AI研究成果）

　　“在学习了中美两国不同合作单位的超过20万病例的OCT图像数据后，该平台诊断黄斑变性、黄斑水肿的准确性达到96.6%，灵敏性达到97.8%，特异性达到97.4%，检测准确率达到曲线下面积99.9%。”张康表示。

　　为了解新一代AI平台的诊断水平，研究团队将其与5位眼科医生进行千张图片诊断PK，确认平台可以达到训练有素的眼科医生的水平，并在30秒内决定病人是否应该接受治疗。“第一次PK，AI平台的错误率为10%，但随后经过短短几个小时的再学习，它就战胜了2名眼科医生。”张康说，通过不到一天的训练，AI平台的“看病”水平就可以达到十年二十年专业医生的水平。

　　张康称，黄斑变性和黄斑水肿（糖尿病并发症之一）是这两种常见的致盲性眼病，如果及早发现的话，两者都是可以治疗的。但遗憾的是这两种病的诊疗资源一般都直以来都集中在城市地区的一些医院里的资深专家身边。现在我们的人工智能平台可以不受人员不受区域的限制，可以在世界任何地方让更多的患者早发现、早诊断、早治疗。

　　相比一般AI系统只能做疾病诊断，无法指导治疗，而张康教授团队开发的新一代AI平台能够准确给出治疗建议。比如：准确判断患者是哪种眼疾，哪些需要“紧急转诊”，哪些需要“常规转诊”，需要什么样的治疗等等，这些都可以帮助医生快速分诊，让病人得到及时治疗，从而避免疾病对患者造成不可逆的伤害。

　　目前他们的AI系统已经开始在美国的一些私人诊所，和拉丁美洲的海地一些眼科诊所进行小规模临床应用，帮助两国医生对上述两种致盲性疾病做出判断和诊治。

　　秒判儿童是否肺炎，实现AI精确指导抗生素合理使用

　　新一代AI平台不止专长“看眼病”，它还是个多面手，擅长诊断多种疾病，比如小儿肺炎。肺炎是导致全球5岁以下儿童死亡排列前5位的原因，每年有上百万孩子死于肺炎。

　　高质量注释图数据库是AI系统成功的先决条件。广州市妇女儿童医疗中心临床数据中心主任梁会营博士带领科研团队，首先招募了13名呼吸科、影像科、儿内科的顶级专家，结合病原学检测结果、治疗方案及效果，历时14个月对正常儿童和各类型儿童肺炎的胸部X光片进行了前瞻性细致标注，形成了儿童胸部X线片万级高质量注释图数据库。

　　新一代AI平台通过对儿童肺炎相关X线图像数据的学习，能够在数秒内准确判断儿童患的是否是肺炎，准确性达到92.8%，灵敏性达到93.2%，特异性达到90.1%，检测准确率曲线下面积达到96.8%；在区分细菌性肺炎和病毒性肺炎上，准确性达到90.7%，灵敏性达到88.6%，特异性达到90.9%，检测准确率曲线下面积达到94%。

（市妇儿中心梁会营博士）

　　梁会营指出，肺炎是全世界儿童因感染导致死亡的首要原因，决定肺炎预后的关键因素是能否根据肺炎的病原学类型精准用药。基于传统的血培养、痰培养、生化检测等方法，很难快速准确判断肺炎的病原学类型。新一代人工智能平台可以基于儿童胸部X线片实现儿童肺炎病原学类型的秒级准确判定。这不仅是全世界首次实现用AI精确指导抗生素合理使用，而且该平台可以不受医院级别和区域的限制，实现社区医疗、家庭医生、专科医院的广覆盖，为肺炎这一抗菌素滥用重灾区提供精准用药方案，避免抗菌素滥用，降低病菌耐药性，促进儿童重症肺炎康复，临床意义重大。

　　此外，梁会营说，传统的深度学习模型一般需要上百万的高质量同类型的标注数据才能获得较为稳定和精确的输出结果，但现实中给每种疾病都收集上百万张高质量的标注图像几乎是不可能实现的，使得AI在医学影像学领域的病种广覆盖很难实现。

　　相对而言，基于迁移学习模型（Transfer Learning）的新一代AI平台所需的数据量极少，本研究者只需要几千张就可以很好地完成一次跨病种迁移。”

　　所谓“迁移学习”，就是运用已有的知识来学习新的知识，找到已有知识和新知识之间的相似性，用成语来说就是“举一反三”。相较于大多数学习模型的“从零开始”，迁移学习会利用卷积神经网络（用计算机模拟大脑思维）学习已有的已经标记好的预训练网络系统。该系统会识别预系统中医学图像的特点。

　　诊断过程“透明化”，新一代AI能告诉医生自己的判断依据

　　既往的医用人工智能可能准确率高，但往往给人的感觉是“知其然，不知其所以然”。医生在使用AI诊断疾病最不放心的恐怕就是：AI到底是如何判断的？到底靠不靠谱啊？

　　广州市妇儿医疗中心研究团队研发的新一代AI平台，在一定程度上克服了“人工智能模型架构本身是个‘黑箱子’的局限性”，让诊断过程“透明化”。既往单纯依靠深度学习技术的研究和产品，给出的报告中只有结果，而没有列出判断的理由与过程，这样的结果即便精准度很高，却并不适合医生使用。

　　课题组创新性地使用了遮挡测试的思维，通过反复学习、实践和改进，平台可以显示它从图像的哪个区域得出诊断结果，在一定程度上给出了判断理由，这也恰恰符合医生的推导过程和诊断思维，“不仅能告诉医生自己的判断，还能告诉医生自己为什么这么判断。”研究者们认为这种创新方法使得新一代AI平台更有可信度。

　　医生不必担心失业，新一代AI将成为好助手

　　研究团队介绍，以后他们还将增加图像数据、生化监测数据等多维度数据结合，增加可诊断的疾病种类，并不断优化提高新一代人工智能“医生”诊断水平，让平台诊断准确率接近100%。如此一来，人工智能医生是否会让影像科医生面临失业？

　　广州市妇女儿童医疗中心主任夏慧敏认为，人工智能是医生的“助手”。患者日益增长的优质医疗资源需要同专业医疗人员培养不足的矛盾，是医院面临的痛点之一。研究更好的技术手段和平台，既能在一定程度上解决医疗服务能力不足的问题，又能提高健康服务的公平性和可及性。“我们希望在不久的将来，这项技术能形成大范围的自动化分诊系统，为医生提供一种辅助诊断的方法，并可用于监测和维护人类健康，提高人类生活质量。”

（依图医疗林强总监说，AI医疗需要医生的合作。）

　　依图医疗科技医学产品总监林强表示，发展AI医疗需要医生提出idear ，需要像养孩子一样去养育它。“需要大量的医生专家、高质量数据去‘喂养’这个‘孩子’，然后选取多个医生标注中一致性的数据，再进行数据验证，这是AI医疗的最大痛点。”因此，他认为，AI医疗的诞生，需要与医生合作，互助互利。

　　光靠一张图，AI就能判断疾病？夏慧敏摇头否定，新一代AI平台的终极目标应该是整合文本型病历数据、全结构化实验室检查数据、图像数据、光电信号等多媒介数据，模拟临床医生对患者病情进行系统评估，为医务人员提供综合的辅助决策。而不仅仅是为影像科医生或某一医技科人员提供单一方面的辅助决策。（通讯员：易灵敏）