廣州市婦女兒童醫療中心醫用人工智能研究成果在世界頂級雜志《細胞》，以封面文章的形式刊登，是世界范圍內首次使用如此龐大的標注好的高質量數據進行遷移學習，并取得高度精確的診斷結果，也是全世界首次實現用AI精確推薦治療手段。

2月23日，廣州市婦女兒童醫療中心基因檢測中心、臨床數據中心、醫學影像部及眼科等科研團隊在世界頂級期刊《Cell》（細胞）以封面文章的形式發表了一篇人工智能（AI）在醫療領域應用的重磅研究成果：Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning （基于深度學習開發出一個能診斷眼病和肺炎兩大類疾病的AI系統） 。

此項跨病種、跨影像學數據類型并具有一定可解釋性的新一代人工智能平臺是人工智能圖像技術在醫學影像領域的首個應用成果，既能基于“光學相干斷層成像（OCT）”數據實現黃斑變性和糖尿病視網膜黃斑水腫兩種常見視網膜疾病的識別和嚴重性定量評估，也能基于患兒胸部X線片數據實現兒童肺炎病原學類型的差異性分析和快速準確判定，從而促進疾病的早期治療和精準治療，改善病人的臨床預后。

這不僅是中國研究團隊首次在頂級生物醫學雜志發表有關醫學人工智能的研究成果，也是世界范圍內首次使用如此龐大的標注好的高質量數據進行遷移學習，并取得高度精確的診斷結果，實現用AI精確推薦治療手段的突破。

《細胞》雜志封面

溫習20萬眼疾患者病例 僅30秒內決定患者是否該治療

隨著廣州市婦女兒童醫療中心在“一個系統解決多種疾病”的新一代AI平臺研發工作方面的深入開展。研發團隊在影像學細分領域，試圖開發綜合能力更強的“影像AI”，既能讀X光片和超聲數據，又可以閱讀CT和MR;既能判別是否異常，還能告訴醫生做出這一判斷的依據。加州大學圣地亞哥分校Shiley眼科研究所教授張康，該研究團隊將前期跨病種遷移學習的研究成果率先轉移到了眼科OCT數據領域。隨著合作不斷深入，2016年張康教授已經加入廣州市婦女兒童醫療中心基因檢測中心。

研究團隊從黃斑變性和糖尿病視網膜黃斑水腫這兩種最常見、可導致不可逆失明的疾病切入，讓基于遷移學習算法的新一代AI平臺不停地學習OCT圖像數據。在學習了超過20萬病例的OCT圖像數據后，該平臺診斷黃斑變性、黃斑水腫的準確性達到96.6%，靈敏性達到97.8%，特異性達到97.4%，檢測準確率達到曲線下面積99.9%。與5名眼科醫生診斷結果相PK，確認平臺可以達到訓練有素的眼科醫生的水平，并在30秒內決定病人是否應該接受治療。

張康教授表示：“黃斑變性和黃斑水腫是這兩種常見危險性較大的眼病，如果及早發現的話，兩者都是可以治療的，但遺憾的是這兩種病的診療資源一般都直以來都集中在城市地區的一些醫院里的資深專家身邊。現在我們的人工智能平臺可以不受人員不受區域的限制，可以在世界任何地方讓更多的患者早發現、早診斷、早治療”。

醫用AI精確指導抗生素合理使用 為肺炎提供精準用藥方案

新一代AI平臺通過對兒童肺炎相關X線圖像數據的學習，順利實現了兒童肺炎病原學類型的差異性分析和秒級判定。經檢測，新一代AI平臺在區分肺炎和健康狀態時，準確性達到92.8%，靈敏性達到93.2%，特異性達到90.1%，檢測準確率曲線下面積達到96.8%；在區分細菌性肺炎和病毒性肺炎上，準確性達到90.7%，靈敏性達到88.6%，特異性達到90.9%，檢測準確率曲線下面積達到94%。

 

肺炎是全世界兒童因感染導致死亡的首要原因，決定肺炎預后的關鍵因素是能否根據肺炎的病原學類型精準用藥。基于傳統的血培養、痰培養、生化檢測等方法，很難快速準確判斷肺炎的病原學類型。新一代人工智能平臺可以基于兒童胸部X線片實現兒童肺炎病原學類型的秒級準確判定。這不僅是全世界首次實現用AI精確指導抗生素合理使用，而且該平臺可以不受醫院級別和區域的限制，實現社區醫療、家庭醫生、專科醫院的廣覆蓋，為肺炎這一抗菌素濫用重災區提供精準用藥方案，避免抗菌素濫用，降低病菌耐藥性，促進兒童重癥肺炎康復，臨床意義重大。

梁會營博士介紹說：“傳統的深度學習模型一般需要上百萬的高質量同類型的標注數據才能獲得較為穩定和精確的輸出結果，但現實中給每種疾病都收集上百萬張高質量的標注圖像幾乎是不可能實現的，使得AI在醫學影像學領域的病種廣覆蓋很難實現。相對而言，基于遷移學習模型（Transfer Learning）的新一代AI平臺所需的數據量極少，本研究者只需要幾千張就可以很好地完成一次跨病種遷移。”