近日,Cell以封面文章的形式刊登了来自广州医科大学附属妇女儿童医疗中心/广州市妇女儿童医疗中心的人工智能科研成果:IdentifyingMedical 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。

    新一代医用人工智能平台研究成果由广州医科大学附属妇女儿童医疗中心/广州市妇女儿童医疗中心临床数据中心、医学影像部、眼科、广州市妇女儿童医疗中心与加州大学圣迭戈分校联合研究基地和联合博士后培养基地等科研团队共同完成。文章通讯作者是广州市妇女儿童医疗中心基因检测中心、加州大学圣迭戈分校Shiley眼科研究所教授张康。

    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，达到匹敌甚至超越人类医生的准确性；还是全世界首次实现用AI精确推荐治疗手段。

    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。

    新一代AI平台通过对儿童肺炎相关x线图像数据的学习，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%。

    研究人员希望在不久的将来，这项技术将能应用到包括初级保健、社区医疗、家庭医生、专科医院等等，形成大范围的自动化分诊系统，为医生提供一种辅助诊断的方法，并可用于监测和维护健康。