广州市妇女儿童医疗中心医用人工智能研究成果在世界顶级杂志《细胞》，以封面文章的形式刊登，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，也是全世界首次实现用AI精确推荐治疗手段。
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在世界顶级期刊《Cell》（细胞）以封面文章的形式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。
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。
《细胞》杂志封面
温习20万眼疾患者病例 仅30秒内决定患者是否该治疗
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。加州大学圣地亚哥分校Shiley眼科研究所教授张康，该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。随着合作不断深入，2016年张康教授已经加入广州市妇女儿童医疗中心基因检测中心。
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”。
医用AI精确指导抗生素合理使用 为肺炎提供精准用药方案
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。”
家庭医生在线（www.familydoctor.com.cn）原创内容，未经授权不得转载，违者必究，内容合作请联系：020-37617238
