本報記者 賀林平

　　近日，廣州市婦女兒童醫(yī)療中心基于深度學(xué)習(xí)開發(fā)出一個能診斷眼病和肺炎兩大類疾病的人工智能系統(tǒng)，這項研究成果以封面文章登上了2月23日的世界頂級期刊《細(xì)胞》。

　　這項人工智能成果能夠根據(jù)影像資料，給醫(yī)生提出診斷建議，并解釋判斷的依據(jù)。比對實驗發(fā)現(xiàn)，該系統(tǒng)在診斷眼疾時的準(zhǔn)確率達96.6%；在區(qū)分肺炎和健康狀態(tài)時準(zhǔn)確率達92.8%，這種水平足以與有十幾年經(jīng)驗的專家醫(yī)生相媲美。

　　本領(lǐng)有多大

　　精準(zhǔn)用藥，秒級判定

　　肺炎是全世界兒童因感染導(dǎo)致死亡的首要原因。從一張胸部CT上找到肺結(jié)節(jié)，一名經(jīng)過訓(xùn)練的醫(yī)生平均需要3—5分鐘，而依靠人工智能則僅需要3—5秒。

　　這就是由張康教授領(lǐng)銜的廣州市婦女兒童醫(yī)療中心和加州大學(xué)圣地亞哥分校課題組研發(fā)的人工智能平臺。

　　不光是快，更重要的是準(zhǔn)。決定肺炎預(yù)后的關(guān)鍵因素是能否根據(jù)肺炎的病原學(xué)類型精準(zhǔn)用藥。傳統(tǒng)的基于血培養(yǎng)、痰培養(yǎng)、生化檢測等方法，很難快速準(zhǔn)確判斷。而人工智能平臺則可以基于兒童胸部X線片實現(xiàn)兒童肺炎病原學(xué)類型的秒級準(zhǔn)確判定。

　　這就實現(xiàn)了用人工智能精確指導(dǎo)抗生素的合理使用，而且該平臺可以不受醫(yī)院級別和區(qū)域的限制，實現(xiàn)社區(qū)醫(yī)療、家庭醫(yī)生、專科醫(yī)院的廣覆蓋，為肺炎這一抗菌素濫用重災(zāi)區(qū)提供精準(zhǔn)用藥方案，避免抗菌素濫用，促進兒童重癥肺炎康復(fù)。

　　人工智能平臺具有重要的臨床意義，人們期待效率更高、精準(zhǔn)度好的人工智能成為醫(yī)生的好幫手。在診前疾病的篩查、預(yù)防，就診時醫(yī)療圖像輔助診斷、檢驗結(jié)果分析、手術(shù)輔助以及就診后的醫(yī)療隨訪、慢性病監(jiān)測、康復(fù)協(xié)助、健康管理等方面，人工智能都將有所作為。甚至?xí)�為基礎(chǔ)科研輔助、藥物研發(fā)、基因篩選分析、醫(yī)療培訓(xùn)等帶來改變。

　　“現(xiàn)在我們的人工智能平臺可以不受人員不受區(qū)域的限制，在世界任何地方讓更多的患者早發(fā)現(xiàn)、早診斷、早治療。”2016年加入廣州市婦女兒童醫(yī)療中心基因檢測中心的加州大學(xué)圣地亞哥分校Shiley眼科研究所教授張康說。

　　值得信任嗎

　　準(zhǔn)確度高，過程可見

　　有人說，人工智能看病靠譜嗎？把身家性命交給機器人，放心嗎？

　　研究團隊從黃斑變性和糖尿病視網(wǎng)膜黃斑水腫這兩種疾病切入，讓這一人工智能系統(tǒng)不停地學(xué)習(xí)眼部光學(xué)相干斷層掃描圖像。在學(xué)習(xí)了超過20萬病例的圖像數(shù)據(jù)后，該平臺診斷黃斑變性、黃斑水腫的準(zhǔn)確性達到96.6%，靈敏性達到97.8%。與5名眼科醫(yī)生診斷結(jié)果相比，確認(rèn)平臺可以達到訓(xùn)練有素的眼科醫(yī)生的水平，并在30秒內(nèi)決定病人是否應(yīng)該接受治療。

　　記者了解到，這套人工智能系統(tǒng)具有深度學(xué)習(xí)能力。人們所熟知的AlphaGo、自動駕駛等應(yīng)用，都是基于深度學(xué)習(xí)技術(shù)開發(fā)的。

　　在此項研發(fā)過程中，課題組應(yīng)用了基于遷移學(xué)習(xí)模型的新算法，既大幅提升了人工智能的學(xué)習(xí)效率，又有利于實現(xiàn)“一個系統(tǒng)解決多種疾病”的目標(biāo)。

　　“傳統(tǒng)的深度學(xué)習(xí)模型一般需要上百萬的高質(zhì)量同類型的標(biāo)注數(shù)據(jù)才能獲得較為穩(wěn)定和精確的輸出結(jié)果，但現(xiàn)實中給每種疾病都收集上百萬張高質(zhì)量的標(biāo)注圖像幾乎是不可能實現(xiàn)的，使得人工智能在醫(yī)學(xué)影像學(xué)領(lǐng)域的病種廣覆蓋很難實現(xiàn)�！睆埧到榻B。所以，目前已有的醫(yī)療人工智能一般一個系統(tǒng)只能針對一種疾病。

　　相對而言，這項基于遷移學(xué)習(xí)模型的人工智能平臺所需的數(shù)據(jù)量極少，研究者只需要幾千張就可以很好地完成一次跨病種遷移。

　　例如，在本研究中，課題組在20萬張眼部圖像數(shù)據(jù)訓(xùn)練出來的人工智能系統(tǒng)基礎(chǔ)上，只用了5000張胸部X線圖像，就通過遷移學(xué)習(xí)構(gòu)建出肺炎的人工智能圖像診斷系統(tǒng)，實現(xiàn)了兒童肺炎病原學(xué)類型的差異性分析和秒級判定。經(jīng)檢測，它在區(qū)分肺炎和健康狀態(tài)時，準(zhǔn)確性達到92.8%，靈敏性達到93.2%；在區(qū)分細(xì)菌性肺炎和病毒性肺炎上，準(zhǔn)確性達到90.7%，靈敏性達到88.6%。

　　此外，以往單純依靠深度學(xué)習(xí)技術(shù)的研究和產(chǎn)品，給出的報告中只有結(jié)果，而沒有列出判斷的理由與過程，這種“黑箱子”式的診斷，即便精準(zhǔn)度很高，醫(yī)生也不敢妄加使用。而這一人工智能平臺一定程度上克服了這種局限性，讓人“知其然，還知其所以然”。

　　課題組使用了遮擋測試的思維，通過反復(fù)學(xué)習(xí)、實踐和改進，平臺可以顯示它從圖像的哪個區(qū)域得出診斷結(jié)果，在一定程度上給出了判斷理由，從而使其本身更有可信度。

　　前景有幾何

　　系統(tǒng)評估，輔助決策

　　人工智能診斷起疾病來如此高效，機器人醫(yī)生離我們的生活還有多遠(yuǎn)？

　　張康說，目前他們的人工智能系統(tǒng)已經(jīng)在美國和拉丁美洲眼科診所進行小規(guī)模臨床試用。此外，在后續(xù)的研究中，他們還會進一步增加數(shù)據(jù)學(xué)習(xí)模本的數(shù)量，同時增加可診斷的疾病種類，并進一步優(yōu)化系統(tǒng)等。

　　早在2015年，廣州市婦女兒童醫(yī)療中心基于醫(yī)療大數(shù)據(jù)，融合人工智能前沿技術(shù)，啟動了“咪姆熊”智能家族研發(fā)項目。

　　“這個家族成員有四頭熊，發(fā)熱熊、影像熊、導(dǎo)診熊、營養(yǎng)熊�！痹撛号R床數(shù)據(jù)中心主任梁會營介紹，“發(fā)熱熊”以兒童常見的發(fā)熱相關(guān)疾病為研究內(nèi)容，基于權(quán)威指南、專家共識、200余萬份的海量病歷等知識型文本，融合多源異構(gòu)數(shù)據(jù)整合技術(shù)、自然語言處理技術(shù)和機器學(xué)習(xí)算法，經(jīng)過一年的訓(xùn)練，已經(jīng)能夠成功針對24種兒童常見發(fā)熱相關(guān)疾病開展準(zhǔn)確的輔助診斷，通過無縫嵌入電子病歷系統(tǒng)成為門診醫(yī)生的貼心助手。

　　而影像熊基于“胸部X線片+微生物培養(yǎng)檢測大數(shù)據(jù)”，采用深度學(xué)習(xí)算法，可智能識別肺炎的微生物感染狀況（細(xì)菌性、病毒性、混合感染性），為抗菌素的精準(zhǔn)應(yīng)用提供決策支持，目前已實際應(yīng)用到醫(yī)生的輔助診斷。其實踐中形成的數(shù)據(jù)和技術(shù)，成為人工智能系統(tǒng)科研成果的重要基礎(chǔ)和組成部分。

　　另外兩頭“熊”也在茁壯成長中，不久的將來可望和公眾見面。

　　此次發(fā)表在《細(xì)胞》雜志上的醫(yī)學(xué)人工智能研究成果，被廣州市婦女兒童醫(yī)療中心當(dāng)做一個新的起點。中心主任、院長夏慧敏表示，“人工智能平臺的終極目標(biāo)，是整合文本型病歷數(shù)據(jù)、全結(jié)構(gòu)化實驗室檢查數(shù)據(jù)、圖像數(shù)據(jù)、光電信號等多媒介數(shù)據(jù)，模擬臨床醫(yī)生對患者病情進行系統(tǒng)評估，為醫(yī)務(wù)人員提供綜合的輔助決策。而不僅僅是為影像科醫(yī)生或某一醫(yī)技科人員提供單一方面的輔助決策�！�

　　“因此，該平臺還在不斷強化當(dāng)中。”夏慧敏舉例說，例如在兒童肺炎病原學(xué)類型智能判別領(lǐng)域，團隊正在系統(tǒng)閱讀X線片的基礎(chǔ)上，增加了實驗室檢查和臨床癥狀的學(xué)習(xí)，從而更精確判斷出兒童肺炎的病原菌類型。

　　“希望在不久的將來，這項技術(shù)能應(yīng)用到初級保健、社區(qū)醫(yī)療、家庭醫(yī)生、�？漆t(yī)院等等，形成大范圍的自動化分診系統(tǒng)。”夏慧敏說。

　　鏈接

　　這套人工智能咋這么“聰明”

　　這套人工智能采用了遷移學(xué)習(xí)算法，就是把已訓(xùn)練好的模型參數(shù)遷移到新的模型來幫助新模型訓(xùn)練，也就是運用已有的知識來學(xué)習(xí)新的知識，找到已有知識和新知識之間的相似性，用成語來說就是“舉一反三”。

　　比如，已經(jīng)學(xué)會下圍棋，就可以類比著來學(xué)習(xí)象棋；會打籃球，就可以類比著來學(xué)習(xí)排球；已經(jīng)會中文，就可以類比著來學(xué)習(xí)英語、日語等等。如何合理地尋找不同模型之間的共性，進而利用這個橋梁來幫助學(xué)習(xí)新知識，就是“遷移學(xué)習(xí)”的核心。遷移學(xué)習(xí)被認(rèn)為是一種高效的技術(shù)，尤其是面臨相對有限的訓(xùn)練數(shù)據(jù)時。

　　以醫(yī)學(xué)圖像學(xué)習(xí)為例，該系統(tǒng)會識別預(yù)系統(tǒng)中圖像的特點，研究人員再繼續(xù)導(dǎo)入含有第一層圖像相似參數(shù)和結(jié)構(gòu)的網(wǎng)絡(luò)系統(tǒng)，最終構(gòu)建出終極層級。