中国的研究人员已经开发了一种基于AI的自然语言处理算法，该算法可以处理电子健康记录(EHR)中医生记录中的自由文本，以预测儿科人群的常见疾病。该算法在诊断某些疾病方面胜过了初级医师。
他们的发现发表在《自然》上。
加州大学圣地亚哥分校的主要作者康章(Kang Zhang)博士和同事写道：“基于人工智能的方法已经成为转变医疗服务的强大工具。” “尽管机器学习分类器(MLC)在基于图像的诊断中已经表现出强大的性能，但是对大量多样的EHR数据进行分析仍然具有挑战性。”
研究人员的模型使用深度学习技术从EHR获取临床相关信息。从567,498名患者的130万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)，以进行训练和验证AI算法。
该系统能够在诊断多种疾病(包括哮喘，细菌性脑膜炎，水痘，流感，单核细胞增多症和玫瑰茄)的过程中实现高精度。研究人员写道，所有这些条件都可能构成威胁生命的条件，因此准确的诊断至关重要。
研究人员写道：“我们的模型在多个器官系统中显示出很高的诊断准确性，在诊断常见的儿童疾病方面可与经验丰富的儿科医生媲美。”
对于诊断系统将患者的诊断分为广泛器官系统的第一级，准确性为90%，范围从胃肠道疾病的85%到神经精神疾病的98%。
该算法在广义全身性疾病的诊断预测中达到了“非常高的准确性”，传染性单核细胞增多症的准确率达90%，流感的准确率达94%，水痘的准确率达93%，手足口病的准确率达97%细菌性脑膜炎占93%。
当研究人员将他们的AI算法与医师的表现进行比较时，他们发现其算法的性能要比初级医师要好，但并没有比经验丰富的提供者更好。
研究人员指出：“该系统在所有器官系统和子系统中均具有出色的性能，与由检查医师确定的初始诊断相比，其预测诊断具有很高的准确性。”
张等。注意到他们的框架可以在临床实践中以多种方式实施-它可以在紧急护理环境中对程序进行分类，并根据预测的诊断帮助确定患者的优先级。另外，该算法可以帮助提供者诊断患有复杂或罕见病的患者。
研究人员总结说：“我们的研究为实施基于AI的系统提供了概念证明，该方法可帮助医生处理大量数据并增强诊断评估，并在诊断不确定或复杂的情况下提供临床决策支持。” “尽管这种影响在医疗保健提供者相对短缺的地区可能最为明显，但这种AI系统的好处很可能是普遍的。”
越来越多的公司正在投资采用机器学习的儿科护理，这可能表明对儿科人群的兴趣。最近，总部位于加利福尼亚州 的AI医疗保健公司Pr3vent结束了A轮融资。Pr3vent的具有AI功能的筛查工具通过使用婴儿视网膜的图像来检测异常，并且是同类诊断中的第一个筛查工具，用于早期发现新生儿可预防的视力丧失。
