中国研究人员开发了一种基于人工智能的自然语言处理算法，可以处理电子健康记录(EHR)中医生记录中的免费文本，以预测儿科人群中的常见疾病。该算法在某些疾病的诊断上优于初级医生。
他们的发现发表在《自然》。
加州大学圣地亚哥分校的主要作者张康博士和他的同事写道：“基于人工智能的方法已经成为改变医疗服务的有力工具。”“尽管机器学习分类器(MLC)在基于图像的诊断中表现出了强大的性能，但分析大量不同的EHR数据仍然具有挑战性。”
研究人员的模型使用深度学习技术从EHR获得临床相关信息。从567，498名患者的130万次儿科患者就诊中获得了超过1.01亿个数据点(EHR和手写笔记)，用于训练和验证AI算法。
该系统在诊断多种疾病(包括哮喘、细菌性脑膜炎、水痘、流行性感冒、单核细胞增多症和玫瑰茄病)的过程中可以达到很高的准确率。研究人员写道，所有这些情况都可能构成危及生命的情况，因此准确诊断非常重要。
研究人员写道：“我们的模型在多器官系统中显示出很高的诊断准确性，在诊断常见儿童疾病方面可以与有经验的儿科医生相提并论。”
对于诊断系统，患者的诊断分为第一级广泛器官系统，准确率为90%，范围从85%的胃肠道疾病到98%的神经精神疾病。
该算法在全身性疾病的诊断和预测上达到了“极高的准确率”，传染性单核细胞增多症的准确率达到90%，流感达到94%，水痘达到93%，手足口病达到97%，细菌性脑膜炎占93%。
当研究人员将他们的AI算法与医生的性能进行比较时，他们发现他们的算法性能优于初级医生，但并不比有经验的提供者好。
研究人员指出：“该系统在所有器官系统和子系统中具有优异的性能，与检查医生确定的初始诊断相比，其预测诊断具有较高的准确性。”
等等。请注意，他们的框架可以在临床实践中以多种方式实施——它可以对紧急护理环境中的程序进行分类，并根据预测的诊断帮助确定患者的优先级。此外，该算法可以帮助提供商诊断患有复杂或罕见疾病的患者。
研究人员总结道：“我们的研究为基于人工智能的系统的实现提供了概念证明。这种方法可以帮助医生处理大量数据，增强诊断评估，在诊断不确定或复杂的情况下提供临床决策支持。”“尽管这种影响可能在医疗保健提供商相对短缺的地区最为明显，但这种人工智能系统的好处可能是普遍的。”
越来越多的公司正在投资使用机器学习的儿科护理，这可能表明他们对儿科人群的兴趣。近日，总部位于加州的AI医疗公司Pr3vent结束了A轮融资。Pr3vent的AI使能筛查工具通过使用婴儿视网膜的图像来检测异常，是同类工具中的第一个，用于早期检测新生儿可预防的视力下降。
