清華大學(xué)電子系吳及等在智慧醫(yī)療領(lǐng)域取得重要進(jìn)展

人工智能系統(tǒng)首次通過(guò)國(guó)家職業(yè)醫(yī)師資格考試   有望破解基層醫(yī)療難題

清華新聞網(wǎng)10月22日電 10月19日，清華大學(xué)電子系吳及副教授課題組在《自然·通訊》(Nature communication) 上發(fā)表了“掌握臨床醫(yī)療知識(shí)達(dá)到執(zhí)業(yè)醫(yī)師水平的深度學(xué)習(xí)模型”  (Master clinical medical knowledge at certificated-doctor level with deep learning model) 的研究成果，所構(gòu)建的人工智能系統(tǒng)在全球首次通過(guò)國(guó)家職業(yè)醫(yī)生資格考試，成績(jī)超過(guò)了96.3%的人類(lèi)考生，并被有效應(yīng)用于基層以輔助醫(yī)生進(jìn)行疾病診斷。該成果展示了深度學(xué)習(xí)和推理技術(shù)在智慧醫(yī)療上的巨大潛力，為利用智能輔助診斷解決醫(yī)療資源不平衡的問(wèn)題提供了可行途徑。

智能輔助診療技術(shù)通過(guò)深度模型在臨床中提供診斷或輔助的病情分析，可以幫助醫(yī)生提高診療效率，充分地利用多方面的信息以降低誤診風(fēng)險(xiǎn)。醫(yī)生的培養(yǎng)需要經(jīng)過(guò)長(zhǎng)期的學(xué)習(xí)和臨床實(shí)踐，智能輔助診斷技術(shù)的應(yīng)用將有助于高質(zhì)量醫(yī)療服務(wù)的普及。

近年來(lái)在學(xué)界和工業(yè)界中，有若干應(yīng)用于醫(yī)學(xué)的人工智能系統(tǒng)誕生，一般僅限于解決一種指定的醫(yī)學(xué)問(wèn)題，例如鑒別皮膚癌，診斷肺炎，生成特定癌癥的治療方案等。Deepmind提出的眼部疾病診斷、斯坦福大學(xué)提出的肺炎診斷系統(tǒng)均達(dá)到了人類(lèi)醫(yī)師的水平。但對(duì)人工智能系統(tǒng)來(lái)說(shuō)，能夠掌握廣泛的醫(yī)學(xué)知識(shí)，并像全科醫(yī)生一樣應(yīng)用醫(yī)學(xué)知識(shí)進(jìn)行臨床診斷仍是一個(gè)巨大的挑戰(zhàn)。

智能輔助診斷系統(tǒng)要想達(dá)到全科醫(yī)生一樣的水準(zhǔn)，需要解決兩個(gè)難題：醫(yī)療知識(shí)的表示學(xué)習(xí)和基于診療思路的復(fù)雜推理。

為此吳及課題組提出了一個(gè)基于深度學(xué)習(xí)技術(shù)的智能輔助診斷系統(tǒng)Med3R。為解決醫(yī)療知識(shí)的表示難題，課題組在吸取近年來(lái)嵌入式知識(shí)表示新技術(shù)的基礎(chǔ)上，構(gòu)建了一個(gè)兩階段學(xué)習(xí)模式：自由閱讀(Free Reading) 和引導(dǎo)性閱讀(Guided Reading) 。該模式參考了人的學(xué)習(xí)方式，即先泛讀獲取大量知識(shí)，再有針對(duì)性的加強(qiáng)特定知識(shí)的學(xué)習(xí)。其中自由閱讀是一種無(wú)監(jiān)督學(xué)習(xí)模式，試圖將廣泛的醫(yī)療知識(shí)嵌入的各類(lèi)詞向量表示中；引導(dǎo)性閱讀是一種有監(jiān)督學(xué)習(xí)的模式，通過(guò)監(jiān)督反饋獲取更加精細(xì)的知識(shí)表示。

在解決面向診斷的復(fù)雜推理難題上，吳及課題組通過(guò)模擬人在決策過(guò)程中先易后難、先局部匹配后全局深度思考的模式，構(gòu)建了一個(gè)多層的語(yǔ)義推理模塊（Multi-layer Reasoning）. 該模塊將關(guān)鍵點(diǎn)語(yǔ)義推理，句子級(jí)的局部語(yǔ)義推理，篇章級(jí)的全局語(yǔ)義推理相結(jié)合，獲得了高效穩(wěn)健的推理能力。 

能夠?qū)W習(xí)醫(yī)療知識(shí)并進(jìn)行推理的深度學(xué)習(xí)模型Med3R(Free Reading, Guided Reading, Multi-layer Reasoning)

吳及課題組經(jīng)過(guò)長(zhǎng)期攻關(guān)，實(shí)現(xiàn)了智能輔助診斷系統(tǒng)Med3R。以該模型為內(nèi)核引擎構(gòu)建的“智醫(yī)助理”醫(yī)考機(jī)器人，在國(guó)家衛(wèi)計(jì)委和國(guó)家醫(yī)學(xué)考試中心的指導(dǎo)和監(jiān)督下，接受了2017年的國(guó)家醫(yī)師資格考試臨床綜合筆試的同步測(cè)試。國(guó)家醫(yī)學(xué)考試中心公布的結(jié)果表明“智醫(yī)助理”機(jī)器人在滿(mǎn)分600分的情況下獲得了456分的高分，該成績(jī)超過(guò)了全國(guó)96.3%的考生，并在各類(lèi)醫(yī)學(xué)科目和題型以及認(rèn)知層次上均超過(guò)了考生的平均水平。 

“智醫(yī)助理”系統(tǒng) (a)獲得456分的高分， (b) 超過(guò)了全國(guó)96.3%的考生，并在 (c) 基礎(chǔ)、臨床、預(yù)防等科目(人文除外)，(d)不同的認(rèn)知層次，(e)不同的題型(非案例題，案例題) 上均超過(guò)了人類(lèi)考生的平均水平

同時(shí)吳及課題組還將該模型應(yīng)用于基于電子病歷數(shù)據(jù)的智能輔助診斷中，通過(guò)對(duì)比試驗(yàn)驗(yàn)證了Med3R深度模型在常見(jiàn)疾病上可以得到比臨床醫(yī)生更加穩(wěn)健的診斷結(jié)果。這表明該研究成果在解決優(yōu)質(zhì)醫(yī)療資源匱乏和不平衡的問(wèn)題上具有巨大應(yīng)用前景。

電子系吳及副教授為該論文的第一作者和通訊作者。電子系2018級(jí)博士生劉喜恩，2015級(jí)碩士生張瀟，2012級(jí)博士生賀志陽(yáng)，科大訊飛研究院副院長(zhǎng)呂萍為論文共同作者。

論文鏈接：

https://www.nature.com/articles/s41467-018-06799-6

https://rdcu.be/9AWT

供稿：電子系 編輯：華山 審核：襄楠