AI识别哮喘准确率超90%,浙大儿院最新AI大数据成果被《Annals of Translational Medicine》收录
来源: 动脉网 作者: 2021年04月27日 10:10

哮喘是一种常见的慢性呼吸系统疾病,也是仅次于癌症的世界第二大致死和致残疾病。

 

据不完全统计,2019年我国哮喘患者超过3000万,其中600多万是儿童和青少年。换句话说,每46个中国人中,至少就有1人患有不同程度的哮喘,每64个孩子中,就有一位饱受哮喘困扰。

 

虽然医学研究不断深入,但囿于空气、天气等多方影响因素下,我国儿童哮喘发病率呈急速上升趋势,且疾病控制率始终不佳。对于后者,其中的主要原因,是基层儿科医生无法将哮喘从儿童常见的呼吸道感染性疾病中鉴别出来,常常误诊为支气管炎、肺炎等。

 

低下的控制率背后,是医疗资源的大量浪费、抗生素的滥用与激素的过度使用。同时,随着气道慢性炎症病变不断进展,这一疾病将对导致儿童运动能力下降——这也是成人期慢性气道疾病,如COPD等产生的重要原因。

 

构建AI模型识别哮喘病历,相关研究成果被《Annals of Translational Medicine》收录


既然问题出在基层,那么我们是否能够通过强基层的方式提升儿童哮喘的检出?人工智能或是解决方案之一。

 

近日,浙江大学医学院附属儿童医院针对这一问题进行了深入研究,尝试解决小儿呼吸疾病临床实践中所遇到的难题。其研究结果被国际权威知名期刊《Annals of Translational Medicine》收录。

 

《Annals of Translational Medicine》关注的具体领域包括多模式治疗、流行病学、生物标志物、成像、生物学、病理学、以及医学领域的技术进步等。本次被收录的,题目为《The role of artificial intelligence in identifying asthma in pediatric inpatient setting》的科研论文,主要探讨了儿童哮喘疾病运用人工智能算法进行临床辅助诊断的有效性。

 

该研究旨在研究一种高效的人工智能模型,可通过学习三级甲等儿童专科医院呼吸科既往哮喘病历,进而具备对哮喘病例的识别能力。

基于近6000份病历的回顾性研究,

超过90%准确率证明AI有效性   


本次实验为回顾性研究,研究人员总共收集了5884份脱敏后的14岁以下患者的电子病历,并将其分组DataSet-1、DataSet-2两组。

 

DataSet-1包括3761例呼吸科病例(其中1624例哮喘阳性病例和2137例阴性病例),DataSet-2包括2123例普通内科病例(其中337例哮喘阳性和1786例哮喘阴性病例)。分组完成后,研究人员对两组数据分别使用预先构建的AI模型进行判断,该模型由浙江大学医学院附属儿童医院与医疗人工智能企业深睿医疗共同开发。

 

结果显示,两组诊断准确率分别为84.7%/96.7%, 模型曲线下面积AUC = 0.909/0.981,这意味着,该模型对儿童呼吸科及普通内科的哮喘患者均具有快速及准确的识别能力。

 


模型ROC曲线图


模型性能描述


进一步延伸,如果我们能够将实验所用模型置于基层医疗机构之中,或将有助于基层儿科医生发现和诊断哮喘病例,防治漏诊和误诊的发生,这对于提高我国儿童的哮喘控制水平,具有重要的临床价值和现实意义。


除了上述研究,浙江大学医学院附属儿童医院与深睿医疗合作的另一篇关于小儿呼吸道疾病辅助诊断研究成果《Identification of pediatric respiratory diseases using a fine-grained diagnosis system》也被国际权威知名期刊《Journalof Biomedical Informatics》(影响因子3.526)收录。该研究成果对于仅依赖医疗病历场景的辅助诊断进行尝试,通过对于病历的结构化和语义解析,实现对于哮喘、支气管炎、肺炎和上呼吸道感染的快速诊断,有助于人工智能技术在基层医院的快速推广。

 

产学研结合典例,浙江大学医学院附属儿童医院打造临床数据科研范式


对于浙江大学医学院附属儿童医院而言,获得这样的研究成果并非偶然。事实上,浙江大学医学院附属儿童医院尝试打造国内领先的医疗技术高地和突出的疑难重症疾病诊治高地,引入前沿科技构建儿科人工智能应用孵化新模式,从临床实际问题出发,以多模态数据为核心驱动力,运用AI技术融合海量医疗数据,在提高科研成果产出的同时,促进临床转化,开拓出从医疗数据到临床应用的一站式科研创新孵化模式。

 

通过这样一种模式,浙江大学医学院附属儿童医院的科研成果产出效率大大提升,由于这些科研成果大多以已临床数据作为研究对象,其成果能够迅速向临床转化,为提升日常诊疗效率及疑难危重症治疗水平提供智能化产品解决方案。

 

不仅如此,AI系统在使用过程中又会产生新的数据,这些数据进入到专病数据库后,还能进一步对AI本身进行优化。这个循环过程中,医院的科研和临床诊疗工作都存在于信息中心主导的信息平台上,这是一个互相支撑的闭环系统,能够在保证数据安全的基础下不断迭代升级。

 

基于上述模式,浙江大学医学院附属儿童医院信息中心俞刚主任与呼吸科王颖硕主任医师的科研团队,利用从平台数据中分析获取的科研成果,推出了一款针对小儿哮喘的智慧服务产品。这一AI系统搭载了小儿哮喘专病数据库,可与患者进行智能交互,为其提供基于人工智能预问诊、导诊及随访服务。目前,这款应用已经投入临床使用,帮助医生和患者通过智能化的方式共同应对小儿哮喘疾病。


浙大儿院信息中心主任俞刚表示,医疗大数据、人工智能、临床医学等领域的交叉学科发展,是未来科研创新的前沿阵地,信息中心通过搭建开放的合作平台在产、学、研、用方面与高校、科研院所、企业等进行深度合作,共同拓展医疗人工智创新与应用新模式。

 


浙大儿院信息中心主任俞刚在2021中华医学信息网络大会上发表演讲

 

  发展医学人工智能,

医院、企业、政府需携手共进


随着AI 与传统产业的不断融合发展,我国医疗器械行业已成为AI 广泛应用的领域,AI 医疗监管内容更加细化,审批也不断提速。2019 年6 月,国家药品监督管理局医疗器械技术评审中心发布了《深度学习辅助决策医疗器械软件审批要点》,这是政策介入医疗AI发展的起点。

 

随后,国家药品监督管理局医疗器械技术审评中心联合国家计算机网络与信息安全管理中心、中国人民解放军总医院、清华大学等14 家单位发起成立AI 医疗器械创新合作平台,致力于通过构建开放协同共享的AI 医疗器械创新体系。新体系下,医院、高校、企业、政府已经形成推动AI发展的统一实体。

 

浙江大学医学院附属儿童医院与深睿医疗合作的研究成果无疑是通过医院、企业方向推动AI发展的典例,企业合作下,双方皆可有效发挥其比较优势,打造出服务于临床的、有效的人工智能。

 

不过,医学影像人工智能的临床需求客观依然存在。虽然人工智能在医学成像中的应用已初步显示出其发展前景,在某些情况下成功地为医生充当了辅助角色,但要真正实现AI的临床应用,还需要政策的支持;核心算法的突破;医院、医生的深度参与;资金的投入以及市场的耐心。

本文著作权属原创者所有,不代表本站立场。我们转载此文出于传播更多资讯之目的,如涉著作权事宜请联系删除。