自然分刊上刊登的人工智能阅读案例：用于小儿诊断系统，准确率达90％。 2月12日，一篇论文在线发表在著名医学杂志《自然医学》（Natural Medicine）上。报道了一种使用基于机器学习自然语言处理技术的人工智能疾病诊断系统，对50多种常见的儿童疾病的诊断准确性高于初中儿科医生的诊断准确性，达到90％左右。这篇论文的标题为“使用人工智能评估和准确诊断小儿疾病”，由广州市妇女儿童医学中心的夏惠民教授和加州大学圣地亚哥分校的张康教授领导。该团队与人工智能公司Yitu Technology合作完成了该项目。研究人员提出并测试了一个系统框架，该系统专门研究电子病历的数据挖掘，将医学知识和数据驱动的模型相结合。该系统首先使用自然语言处理技术对电子病历进行注释，然后使用逻辑回归建立层次化诊断。人工智能系统诊断小儿疾病的流程图。 AI小儿疾病的诊断准确率约为90％。本文的第一作者和怡图医疗首席执行官倪昊告诉《白皮书》，选择儿科疾病作为研究对象是由于该国在第二个孩子之后完全放宽了对儿科医生的需求。它将越来越高，缺乏儿科医生和高离职率是众所周知的社会地位；另一方面，通过人工智能技术恢复儿科医生的能力可以服务于三级医院和基层医院，并获得更好的临床和社会效益。根据该论文，在常见的儿童期疾病中，人工智能系统显示出良好的诊断准确性。以呼吸系统疾病为例，人工智能疾病诊断系统对上呼吸道疾病和下呼吸道疾病的准确率分别为89％和87％。在上呼吸道疾病的诊断中，急性喉炎和鼻窦炎的准确率分别为86％和96％，不同类型哮喘的诊断准确度在83％至97％之间。在常见的系统性疾病和更危险的疾病中，人工智能疾病诊断系统还显示出较高的诊断准确率，例如传染性单核细胞增多症（90％），水痘（93％），玫瑰皮疹（93％），流行性感冒（94％） ，手足口病（97％）和细菌性脑膜炎（93％）。为了训练上述人工智能诊断系统，研究人员收集了广州市妇幼医院56.7万名门诊患者的136万份电子病历，提取了1.016亿例常见的儿科疾病数据点，然后使用了这些信息。培训和验证系统框架。病例时间跨度为2016年1月至2017年7月，患者中位年龄为2.35岁。初步诊断包括55种儿科常见病。人工智能系统与小儿疾病医疗团队的诊断水平的比较（表第二列代表人工智能系统的诊断准确性，第三至第七列代表医生的诊断正确率）；每行代表不同的疾病，其次是哮喘，脑炎，胃肠道疾病和急性喉炎，肺炎，鼻窦炎，下呼吸道疾病等）。研究人员还使用了独立的11,926例儿科病例，将人工智能系统的诊断与5组人类医生进行了比较。研究发现，该模型的诊断水平超过了两组初级医生，但低于三组高级医生。结果表明，该模型可以帮助初级医生进行诊断，但不能超过有经验的医生。将来，分流协助预计将扩展到成人部门。在应用程序级别上，本文的作者认为，这种类型的人工智能系统可以帮助简化患者护理，例如患者分类。护士或普通医生可以首先记录一些基本数据，以使模型产生预测的诊断和治疗结果。该结果可以确定患者的优先级，从而将可能患有普通感冒的患者与病情较重且需要紧急干预的患者区分开。另一个潜在的应用是帮助医生诊断复杂或罕见的疾病，拓宽医生的鉴别诊断思路，并降低诊断限度。