高准确性AI影像诊断系统登上Cell封面!研究团队来自广州这家医院~

Cell杂志封面

来自广州医科大学附属妇女儿童医疗中心/广州市妇女儿童医疗中心的人工智能科研团队在Cell发表了一篇人工智能（AI）在医疗领域应用的重磅研究成果：Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning (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)。

此项跨病种、跨影像学数据类型并具有一定可解释性的新一代人工智能平台是人工智能图像技术在医学影像领域的首个应用成果，既能基于“光学相干断层成像(OCT)”数据实现黄斑变性和糖尿病视网膜黄斑水肿两种常见视网膜疾病的识别和严重性定量评估，也能基于患儿胸部X线片数据实现儿童肺炎病原学类型的差异性分析和快速准确判定，从而促进疾病的早期治疗和精准治疗，改善病人的临床预后。

张康教授（上排左二）

介绍新一代医用人工智能平台成果

研究团队从黄斑变性和糖尿病视网膜黄斑水肿这两种最常见、可导致不可逆失明的疾病切入,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。在学习了超过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%。与5名眼科医生诊断结果相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。

张康教授表示：“黄斑变性和黄斑水肿是两种常见的、危险性较大的眼病，如果及早发现的话，两者都是可以治疗的，但这两种病的诊疗资源一般都集中在城市地区的一些医院里的资深专家身边。如今，人工智能平台可以不受人员不受区域的限制，在世界任何地方让更多的患者早发现、早诊断、早治疗。”

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的科研团队作为“一个系统解决多种疾病”新一代AI平台的主力研发团队，自2016年起致力于“基于医学影像数据的儿童肺炎病原学类型智能判别系统”的研发。

梁会营博士带领的科研团队招募了13名呼吸科、影像科、儿内科的专家，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，实现了儿童肺炎病原学类型的差异性分析和秒级判定。经检测，新一代AI平台在区分肺炎和健康状态时，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%。

该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，避免抗菌素滥用，降低病菌耐药性，促进儿童重症肺炎康复。梁会营博士介绍说：“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。”

与使用机器学习来研究医学图像的前期研究成果相比，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”。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。

AI系统用色块遮挡住病变区域

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。

研究人员希望在不久的将来，这项技术将能应用到包括初级保健、社区医疗、家庭医生、专科医院等等，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健康。

目前，这一平台正进行小规模临床试用，张康教授说，该平台可以准确判断患者病情，哪些需要“紧急转诊”，哪些“常规转诊”即可，这可以帮助医生快速判断哪些患者属于重症患者，需要及时治疗，以避免疾病对患者造成不可逆的伤害。

文章的作者之一、广州市妇女儿童医疗中心主任夏慧敏介绍，该平台还在不断地学习和强化，其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，“如在儿童肺炎病原学类型智能判别领域，团队正在‘新一代AI平台’阅读X线片的基础上，增加了实验室检查和临床症状的学习，从而更精确判断出儿童肺炎的病原菌类型”。

他认为，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，是医疗卫生事业面临的痛点之一。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，从而提高民众健康水平和生活质量。

资料来源 | 附属妇女儿童医疗中心/广州市妇女儿童医疗中心

责任编辑 | 梁凯涛 游芷颖