广州妇儿中心“AI医生”登上世界顶级杂志《细胞》封面

欢迎点击「iNature」↑关注我们！                                                                    

• 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

• 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

• 世界范围内首次实现用AI精确推荐治疗手段的突破

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研发的新一代医用人工智能（AI）平台应用成果“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)”在世界顶级期刊《Cell》(细胞)以封面文章的形式发表。

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。

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。

随着广州市妇女儿童医疗中心在“一个系统解决多种疾病”的新一代AI平台研发工作方面的深入开展。研发团队在影像学细分领域，试图开发综合能力更强的“影像AI”，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。

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这两种常见危险性较大的眼病，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”。

广州市妇女儿童医疗中心临床数据中心主任梁会营博士（本文的第一作者）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，但高质量注释图数据库是AI系统成功的先决条件，不然“Garbage in（垃圾进）, Garbage out（垃圾出）”。因此，该研究团队首先招募了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，顺利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%。

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。

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。”

既知其然

还知其所以然

“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。”

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。

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。

“下一个目标是文本型病例数据、全结构化实验检查数据及影像数据等异构数据等”

平台还将继续

改进和学习

广州市妇女儿童医疗中心主任夏慧敏（另一位作者）介绍说：“新一代AI平台的下一个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、，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。”

各路媒体

热切关注

20多家媒体予以了专题报道和充分肯定。

人民日报、新华社、中国日报、南方日报、羊城晚报、广东卫视《广东新闻联播》、健康报、医学界等20多家媒体予以了专题报道和充分肯定。

 相关链接

1

关于智能诊断模型的建立

广州市妇女儿童医疗中心于2015年建立临床数据中心，通过整合文本型、实验室检查、图像等临床数据，结合大数据实时分析挖掘技术，开展智能辅助决策系统研究。相对于传统AI系统只关注一个疾病或者一个数据类型，该中心提出了“一个AI系统解决多种疾病”的创新理念，并从儿童常见的发热相关疾病入手，启动了新一代AI平台的研发工作。通过采用迁移学习的算法，对近200万份电子病历进行学习，建立了覆盖24种儿童发热相关疾病的智能诊断模型，实现了在不同病种和数据维度之间的灵活切换。

2

智能诊断模型的发展

在已建立智能诊断模型的基础上，广州市妇女儿童医疗中心临床数据中心主任梁会营（文章第一作者）带领研究团队开展了智能诊断模型在儿童肺炎病原学类型智能判别方面的应用验证。团队首先招募了13名影像科、呼吸科、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光片进行了细致的前瞻性标注，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平台利用迁移学习实现了对儿童肺炎病原学类型的差异性分析和判定，经检测，区分肺炎和健康状态上，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%。

随后，在2017年8月，广州市妇女儿童医疗中心基因检测中心教授、加州大学圣地亚哥分校Shiley眼科研究所教授张康（文章的通讯作者）选择了所擅长的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，带领团队在广州市妇女儿童医疗中心和美国加州大学圣地亚哥分校同时开展研究，搭建了基于OCT影像学大数据和迁移学习算法的人工智能平台，学习了来源于中国和美国不同合作单位的超过20万的病例图像资料，可在30秒内决定病人是否应该接受相关治疗，可以达到专业眼科医生水平。经检测，该AI系统的诊断准确性达到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%。

在全球范围内，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，得到与人类医生相似甚至更高的准确性，尚属首次。

3

科研团队介绍

新一代医用人工智能平台研究成果由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、眼科等科研团队共同完成。

张康教授为本文通讯作者，自2013年9月起与广州市妇女儿童医疗中心产前诊断中心开展科研合作，共同撰写的文章于2014年在《The New England Journal of Medicine》（新英格兰杂志）和《PNAS》（美国国家科学院院刊）发表；后分别于2014、2015年受聘广州市妇女儿童医疗中心PI、客座教授，指导出生队列研究方向和技术路线；2016年4月，张康教授加入广州市妇女儿童医疗中心基因检测中心。

目前，广州市妇女儿童医疗中心在美国加利福尼亚大学圣地亚哥分校建立了联合研究基地和联合培养博士后基地，目前已招聘工作人员3人，博士后4人。

---

微信加群

iNature组建了PI/顶级文章群，成员主要来源于中国科学院，浙江大学，北京大学，哈佛大学，MIT等学校的数百位PI, 汇聚了众多的青年千人，长江学者，杰出青年等；里面包含了在Nature，Cell，Science，Nature Genetics，Cell Research等杂志发表文章的作者/PI，欢迎发表了高水平文章的作者/PI加入。可以先加小编微信号（13701829856），之后再进群。iNature为你打造一个高质量的学术交流群,iNature与你一起扬帆起航。

公众号热点推送回顾

版权声明

本文转载自广州市妇女儿童医疗中心公众号。文章转载只为学术新闻信息的传播，不代表我公众号所持的观点。