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。

该系统在各种疾病(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)的诊断中可以达到很高的准确率。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，在诊断常见儿童疾病方面可以与有经验的儿科医生相提并论。”

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。”

张等人指出，他们的框架可以在临床实践中以多种方式实施——它可以对紧急护理环境中的程序进行分类，并有助于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AI的系统的实现提供了概念证明，可以帮助医生处理大量数据和增强诊断评估，并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终止了A系列融资。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，是同类工具中第一个用于早期检测新生儿可预防的视力丧失的筛查工具。

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

标签:人工智能。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：