人工智能医疗诊断系统_人工智能医疗诊断系统价格

集成“自然语言处理+知识图谱”技术的“AI医生”，在儿科上岗了

让AI技术与基础医学理论结合，成为AI用于临床 探索 的新思路。目前这一新思路已被证实确有更大潜力——

人工智能医疗诊断系统_人工智能医疗诊断系统价格

人工智能医疗诊断系统_人工智能医疗诊断系统价格

最近，由广州市妇女儿童医疗中心夏慧敏和加州大学圣地亚哥分校张康领衔、人工智能公司依图 科技 等共同参与的科研团队设计出一套基于AI的疾病诊断系统，就将医学知识图谱加入其中，使AI可以像人类医生一样根据读取的电子病历来“诊病”。

结果也颇为乐观：用纳入系统的55种常见儿科疾病和部分危急重症作测试，AI的诊断水平可达到儿科主治医生的专业水准。

目前，这一研究成果《使用人工智能评估和准确诊断儿科疾病》已于2月中旬在线发表于《自然—医学》杂志。

将深度学习技术与专业医学知识图谱进行结合，是该人工智能辅诊平台的特色。依图医疗总裁倪浩在接受笔者采访时说，未来对临床数据进行学习、为医生提供更多的辅助诊断能力（病种），采用深度学习+知识图谱的方式“很可行”。

为了使AI辅诊平台拥有专业的儿科医学知识，科研团队让它学习了56.7万名儿童136万份电子文本病历中的诊断逻辑。这些来自广州市妇女儿童医疗中心2016年1月至2017年7月间的电子病历，覆盖了初始诊断包括儿科55种病例学中常见疾病的1.016亿个数据点。

除了将医疗知识进行整合，科研团队还利用依图 科技 的自然语言处理（NLP）技术构建了一个自然语言处理模型，以对这些电子病历进行注释——通过将病历变得标准化，该模型在未经过“培训”的情况下可以粗略地将临床信息进行分类。

“粗略分类是指，将整个电子病历当作输入，将专家诊断结果作为输出，以达到粗略的分类。但这样并没有真正理解疾病本身，也很难解释为何做出了这个诊断。”倪浩告诉笔者， NLP模型虽然突破了病历文本语言和计算机语言之间的障碍，但知识图谱才是让AI诊断平台获取专家能力的关键 。

这也是他们接下来的一项重要工作：由30余位高级儿科医师和10余位信息学研究人员组成的专家团队，手动给电子病历上的6183张图表进行注释、持续检验和迭代，以保证诊断的准确性。

通过资深医疗专家注释的图表对AI诊断平台进行“培训优化验证”后，研究人员发现，经过深度学习的NLP模型可以对电子病历进行很好的注释，在体检和主诉项目的注释上分别达到灵敏度和度。也就是说， 深度学习的NLP模型能够准确地读取电子病历中记录的信息，并可以准确作出符合临床标准的批注。而这也是整个研究中最为关键的部分。

“通过引入知识图谱将每种疾病的电子病历深入解构，使得NLP模型具备了理解电子病历的能力。例如与哪些特征密切相关，川崎病最相关的特征是什么，让模型在给出准确诊断的基础上，能够具备更好的医学可解释性。”倪浩解释说，“有了知识图谱，再用深度学习技术来解构电子病历，就能够真正理解临床数据。基于此，机器学习分类等算法就有用武之地，否则把电子病历当成‘黑盒子’，是无法构建高精度可解释的模型的。”

综合利用深度学习技术与医学知识图谱对电子病历数据进行解构，研究人员据此构建了高质量的智能病种库，这使得后续可以较容易地利用智能病种库建立各种诊断模型。

构建一个多层级的诊断模型，是研究人员把AI诊断平台打造成为儿科医生的第二步。倪浩介绍说，这一基于逻辑回归分类器创建的诊断模型，首先会按呼吸系统疾病、胃肠道疾病、全身性疾病等几大系统分，然后在每一类下面做细分—— 这是让AI模拟人类医生的诊疗路径，对目标患儿的数据进行逐级判定 。

结果显示，基于NLP模型准确读取的数据，AI诊断模型能够对儿科疾病作出诊断： 平均准确率达90%，对神经精神失调疾病的诊断准确率更是高达98%。

在对相应儿科疾病的划分和诊断上，该诊断模型同样表现不俗。系统对上呼吸道疾病和下呼吸道疾病的诊断准确率分别为89%和87%。同时，该系统对普通系统性疾病以及高危病症也有很高的诊断准确率，例如传染性单核细胞增多症准确率为90%，水痘为93%，玫瑰疹93%，流感94%，为97%和细菌性脑膜炎为93%。

这揭示出，该诊断系统可以根据NLP系统注释的临床数据信息对常见儿科疾病作出较高准确度的判断。

研究人员随后运用11926个临床病例比较了AI诊断系统和5个临床治疗组诊断儿科疾病的水平，其中参与研究的治疗组从事临床工作时间和资历逐渐增加。结果显示， AI诊断系统反映模型综合性能的F1评分均值高于2个年轻医生组成的治疗组，但稍逊于3个高年资医生组成的治疗组。

论文认为，这说明该AI诊断系统可以协助年轻治疗团队进行疾病诊断，提升团队诊疗水平。

今年1月1日，该系统在广州市妇女儿童医疗中心投入临床应用。 仅1月1日至1月21日短短20天，该院医生实际调用它开展辅助诊断30276次，诊断与临床符合率达到87.4%。广州市妇儿中心医务部主任孙新在体验该系统后表示，这套系统在对疾病进行分组分类方面“比较科学”。

上述论文发表后，《》点评这项研究称，“前后访问了儿科医院18个月中数十万名就医儿童的数据，能有这么庞大的数据量用于研究，也是在全球人工智能和竞赛中的优势。”

“数据确实是我们此次研究成果的核心关键之一。”倪浩说，“不过，高质量标准数据来源于强大的联合团队，我们专门开发了数据标准系统，进行了大量的数据标注。”

论文通讯作者之一、广州市妇女儿童医疗中心夏慧敏表示，这篇文章的启示意义在于“通过系统学习文本病历，AI或将诊断更多疾病”。不过他提醒道， 当下还须清醒认识到，仍有很多基础性工作要做扎实，比如高质量数据的集成便是一个长期的过程。

笔者了解到，该医院在近3年里注重将数据标准化、结构化处理，实现了50多个诊断数据子系统的相互交流和互联互通，为该系统应用打下了基础。

“此外，A I学习了海量数据后，其诊断结果的准确性仍然需要更大范围的数据对其进行验证和比对。 ”夏慧敏说。

AI技术落地的4元素之中，场景也非常重要。论文的另一位通讯作者张康认为，该研究以儿科疾病为对象意义重大。

“对儿科疾病的诊断是医疗中的一大痛点。一些儿科疾病威胁程度较大需要尽快得到治疗，而儿童恰恰不善于表达病情，因此快速、准确地对儿科疾病进行诊断非常必要。”张康表示，当前儿科医生供不应求，论文中构建的AI诊断系统对于不足的医疗资源会有很大的辅助作用。

相关论文信息：DOI:10.1038/s415-018-0335-9

探访浙大附属医院——人工智能如何应用于甲状腺结节的超声辅助诊断？

指着医院引进的甲状腺结节人工智能辅助诊断系统，浙江大学附属医院超声科的赵主任对媒体表示。

这套系统使用起来还是很方便的，作为医生不需要额外的步骤，只需要和日常检查一样拍一张照片，识别完了告诉结节在哪里，轮廓是什么样的，同时良恶性怎么样。总的来说还是不错的，当然它也处在一个不断更新优化的过程。

医生口中说的人工智能，是浙江德尚韵兴图像科技有限公司研发出的一套基于超声声象的甲状腺结节良恶性的辅助诊断系统。

对于甲状腺结节的诊断，目前三甲医院医生的平均准确率为60%-70%，基层医院会更加低一些。而辅助诊断系统目前准确率可以达到85%以上，德尚韵兴胡海蓉女士说道，由于在我国人工智能还没有行医资格，所以我们将其定位为辅助诊疗，只是给医生提供一些参考。这个系统将来的市场定位是基层医院，推广以后能够帮助基层医院提高诊断的水平，有利于推行的分级诊疗政策。

据了解，甲状腺结节是指在甲状腺内的肿块，可随吞咽动作随甲状腺而上下移动，是临床常见的病症，可由多种病因引起。

大部分甲状腺结节是良性的，但少数甲状腺结节一开始就是恶性的，还有一部分结节会从良性转变为恶性。因此，一旦体检发现甲状腺结节，医生都会建议再做进一步检查，主要目的就是分辨结节是「良性」还是「恶性」。

甲状腺结节转变为癌的比例为5%，而如果能及早发现、尽快治疗，大部分患者都能长期存活下去。

对于甲状腺结节的检查目前主要依靠超声，相较于CT和核磁，超声的好处是便宜、灵活、实时、无副作用，所以它是普通老喜闻乐见的一种检测手段；但它的缺点是图像不清楚、造影比较大，这对医生的要求就比较高。而CT和核磁的优点是图像清晰，缺点是检测费用高、副作用比较大。

从人工智能应用于医疗影像的识别或者辅助诊断的角度来说，超声较CT和核磁难度大，我们想测试算法的性能、效率和准确度，所以选择了超声。同时，作为浅表器官，甲状腺的超声又不像腹部和心那么复杂，更容易做出落地的成果。

人工智能在医学上有哪些 应用？

人工智能医疗行业主要公司：乐普医疗(300003)、鹰瞳科技(2251.HK)、心玮医疗(06609.HK)、美因基因(IPO中)、推想医疗科技(IPO中)等

本文核心数据：医学影像分类,人工智能医疗投融资情况,AI医学影像落地产品项目

1、医学影像分类

医学影像以成像原理划分包括X线成像、CT成像、PET-CT成像、超声成像、核磁共振成像以及显微镜成像。医学影像数据占全部临床数据的80%以上，是临床诊断、疾病治疗及健康管理的基石。但医学影像的分析繁琐复杂，对医生的经验及能力要求很高，影像诊断整体效率很低，服务模式亟待创新。

故借助AI技术，达到对医学影像病灶的智能识别和勾画，辅助医生进行相关疾病的临床诊断和早期筛查的AI医学影像技术未来应用前景广阔，也是人工智能赛道商业化落地最有前景的细分赛道之一。

2、AI医学影像产业发展情况

2020年AI医疗总融资金额达到39.8亿元，其中AI辅助检查是仅次于AI新研发的第二大赛道，投融资金额规模达到8.6亿元，占总投融资金额规模的21.61%。

国内目前已批准上市的AI医学影像产品超过15款，多以心病、眼科、神经系统、骨骼为业务方向。其中包括数坤科技的CT造影图像血管狭窄辅助分诊软件，科亚医疗的冠脉血流储备分数计算软件，鹰瞳科技的糖网眼底图像辅助诊断软件，推想科技的肺结节CT影像辅助检测软件等。

现阶段AI医疗影像领域中较为成熟的两个方向是CT影像识别和视网膜影像识别。CT影像识别通过冠状动脉、胸部、四肢关节、骨骼等部位的智能CT影像识别，能够完成病例筛查、智能分析诊断、辅助临床诊疗决策等工作。AI+CT影像的主要产品形态包括:影像分析与诊断软件、CT影像三维重建系统、靶区自动勾画及自适应放疗系统。

AI视网膜影像识别技术与传统视网膜影像方法相比，具有高诊断效率和高诊断准确性的优势，同时还能为普通客户提供多元化的风险评估及管理需求。

3、AI医学影像产业商业模式分析

AI医学影像落地方式，一是作为医疗器械销售给医院，二是进行医疗分成。若是只作为提升效率的工具，则以医疗器械方式进院;如果能在诊断功能和水平层面得以提升，成为医学影像诊断服务提供者，则有望与医疗机构进行分成，而分成需要AI医学影像产品实现大规模普及，并且能够下沉基层医疗市场。

4、AI医学影像市场发展趋势

AI医学影像主要用于医疗健康市场和大健康场景中，在医疗健康市场中主要用于协助医生进行疾病监测及诊断，大健康场景中主要用于健康风险评估。根据两个场景预计，AI医学影像市场规模将从2021年的8.2亿元增长至2027年的近230亿元。随着医疗系统对医学影像的需求不断增长，影像医生短缺的问题也愈发显现，人工智能的应用能够大大改善医学影像分析效率低下的问题。

以上数据参考前瞻产业研究院《医疗人工智能行业市场前景预测与投资战略规划分析报告》。

国外最早将人工智能应用于医疗i诊迷是什么专家系统

国外最早将人工智能应用于医疗诊断的是MYCIN专家系统

B我国研制基于人工智能的专家系统始于上世纪70年代末，但是发展很快

早期的有中医学院研制成‘关幼波肝炎医疗专家系统’，它是模拟老中医关幼波大夫对肝病诊治的程序

上世纪80年代初，福建中医学院与福建

人工智能给生活带来巨利，“AI助手”是如何辅助医生工作的呢？

近年来，人工能的应用场景越来越广泛，医疗助理帮助医生进行远程会诊，智能耳朵给听障人士带来了沟通的便利，电子管家在医疗、教育、保健等领域实时关爱独居老人，人工智能提供的细致服务让科技更加温暖。它是临床医生分析数据、提供初步诊断的助手；它是听障人士的耳朵，把声音变成文字，方便交流；它是独居老人的管家，保障老人的安全。

随着人工智能的迅速发展，其应用场景越来越广泛，不仅带来了更多的便利，而且提供了更加贴心、温馨的服务。在医院里，临床医生有人工智能助理上海交通大学医学院附属瑞金医院放射科医师陈奇华在谈到人工智能时说，对我来说，人工智能是一个可靠的助手。在AI技术的帮助下，我一个上午就可以完成20多个病人的影像诊断，相当于前一天的诊断量，诊疗效率得到了明显提高。

前不久，中日友好医院呼吸科主任医师戴华平与AI助理合作完成了远程会诊。戴华平在远程医疗和互联网医疗中心，李泽元在哈尔滨医科大学第二附属医院。老李因发热、咳嗽、咳痰、呼吸困难住院。医院将他的胸部CT图像数据上传到远程诊疗中心平台。平台预置的肺部疾病AI辅助诊断系统对老李胸部异常征象进行检测，对肺部炎症、肺结节影等可疑病变进行定位、定量和定性分析。在AI助理的帮助下，戴华平结合相关临床症状和当地医生的诊断结果，确定了老李的治疗方案。

为临床辅助图像分析和专家咨询这一任务提供必要的依据。远程医疗和互联网医疗中心相关负责人表示，人工智能辅助诊断系统提高了相关病变的检测灵敏度，可以自动形成分析数据，帮助临床医生快速做出临床判断。在上海交通大学医学院附属瑞金医院放射科主任颜福华看来，人工智能助理有着明显的优势，放射科医生每天需要阅读和分析大量的图像，人们的工作效率会因为疲劳而降低，而人工智能则不会。它甚至可以比人眼更快地在图像中发现可疑病变，有助于做出初步诊断，根据医用材料协会发布的《2019年医学人工智能发展报告》，人工智能技术的应用可以有效提高医学数据处理效率，降低医疗成本。

科大讯飞智慧医疗再添殊荣，自动医疗诊断对话系统领先全球

日前，在由ICLR 2021发起的机器学习预防和防止流行病（MLPCP，Machine Learning for Prnting and Combating Pandemics）全球挑战赛上，清华-讯飞联合研究中心参加了 疾病自动诊断对话系统赛道，并 于全球73支参赛队伍中脱颖而出，夺得名。

表征学习会议（ICLR，International Conference on Learning Representations）是机器学习领域最负盛名的三大会议之一。为了推动机器学习技术在医疗 健康 领域的发展，ICLR 2021发起了本次竞赛。本次竞赛以自动医疗诊断对话系统的开发为主题，是个针对医疗对话生成和诊断挑战赛事，设置有两大赛道：医疗对话生成赛道和疾病自动诊断对话系统赛道。最终，讯飞医疗成功夺得自动医疗诊断对话系统赛道冠军。

讯飞医疗此次能够成功夺冠，离不开一个“准”字。 其参赛的自动医疗诊断对话系统能够以文字的方式模拟医生与患者进行对话。首先，系统基于患者自述症状进行疾病预判；随后，系统会基于预判结果预测出下一个要问的症状，如此循环，直到满足停止条件；，所获取到的所有症状会被送入自动诊断系统，进行疾病预测。

医疗诊断中，“问”和“诊”的准确度直接决定了问诊效果。比赛期间，讯飞技术通过了12种疾病、118种症状、总计2374个对话数据的测试，最终在全球73支参赛队伍中夺得冠军，诊断准确率实现了“世界”。

作为全球领先的人工智能企业，科大讯飞近年来在智慧医疗领域的成绩可谓瞩目。通过构建人工智能辅助诊疗系统，科大讯飞的AI技术深度切入医生临床诊断流程，在医生诊断过程中给予辅助诊断建议，提升医生特别是基层医生的诊疗能力和服务水平。

目前，科大讯飞A.I.技术在规范基层诊疗行为、提升基层医疗服务水平等民生领域已经取得显著成效。据科大讯飞2020年财报披露，讯飞 智医助理基于“深度模型+知识推理”辅助诊疗技术创新，为基层医务人员提供病历质控、辅助诊断、合理用、医学知识检索等功能得到较好应用。2020年，科大讯飞智医助理实现安徽省内基层医疗机构全面覆盖，并在、内蒙古、青海、、新疆、黑龙江、浙江等地逐步开始进行落地应用，已上线全国170余区县3万余家基层医疗机构，服务数万名基层医师。

现阶段，我国仍存在优质医疗资源相对匮乏和基层医疗服务能力不足的结构性问题。 而科大讯飞对以技术赋能基层医疗的持续 探索 ，则为提升医务人员工作效率及服务能力提供了一个有效路径。相信随着智慧医疗应用规模的不断扩大，我国优质医疗资源必将得到更加公平及高效的分配。