“小布”AI医生在沪上岗

“小布”模仿人类大脑形成复杂的直觉式软规则，把多种临床特征融合生成柔性诊断建议，助力医生临床诊断，提升患者就医体验。

基层医生接触病种、病例较少，临床经验不足，加之检验检查设备落后，误诊、漏诊发生率高，延误患儿治疗时机。2018版《电子病历系统应用水平分级评价标准（试行）》明确要求，要基于集成的患者信息，利用统一的集成信息和知识库，提供集成展示、决策支持的功能。儿科门诊临床诊断智能决策支持系统（CDSS）的应用为解决地区医疗资源差异和儿科医患供需不平衡提供了解决办法。同时，CDSS对新冠肺炎疫情这样的突发公共卫生事件，也有极大的应用价值。

2020年11月10日，“小布”AI医生（CDSS）产品发布会暨多中心临床应用启动仪式在上海举行。这款先进的AI医生由复旦大学附属儿科医院（以下简称“复旦儿科”）联合上海国际人类表型组研究院共同开发，基于先进的自然语言与深度学习融合技术，将复旦儿科临床专家长年累积的诊断经验与诊断路径从海量的病历中提取出来，形成临床诊断模型，它代表着中国儿科医学顶尖水平机构的集体医疗智慧。

复旦儿科党委书记徐虹说道，“‘小布’这个名字来源于医院的健康科普吉祥物——蓝色布谷鸟医生。”作为一种面向临床应用的辅助诊断工具，“小布”为优质医疗资源下沉、提升基层及偏远地区儿科诊疗质量提供了一种新的解决方案，它的应用与推广，将帮助更多的基层儿科向着优质、便捷、普惠的方向发展。

>0.7“小布”测试的八大主题诊断结果相对准确率均>0.7，其中呼吸科高达2.5。

研发攻坚克难

2019年7月，在各级领导的大力支持下，由复旦儿科青年研究员王一博士和数据中心主任葛小玲带领的信息化团队形成了核心技术研发力量，正式开始了“小布”的研发工作。复旦儿科副院长张晓波告诉《中国医院院长》，研发工作大致分为以下三个阶段。

首先是系统训练。基于前期测试版开发的基础上，“小布”1.0纳入全院门诊电子病历数据，扩大儿科全科辅助诊断能力。病历数据来源于复旦儿科大数据管控平台，全程电子病历获取、XML文档解析、数据审核、模型开发均基于医院内网系统，有效地保证了患者医疗数据的安全性。经过近一年的开发与完善，“小布”已学习了复旦儿科2017-2020年全院门诊电子病历7361990份。经数据预处理后，共纳入病历5271347份，涉及7213类ICD-10疾病诊断。

其次是系统测试。为验证“小布”训练的准确性，研发人员纳入近一个月共计132883例门诊病历进行模型测试，取“小布”推荐的前五个诊断方案与医生任意诊断匹配的精度，作为诊断结果一致率。2019年9月，“小布”被部署到呼吸科、消化科等门诊试点运行。经验证，“小布”1.0版的前五任意诊断与病历任意诊断结果一致率最高达95.27%，五官主题诊断结果一致率最高达98%，相对较低的呼吸主题也达到了92%。

再次是临床测评。“小布”在真正投入临床应用前，首先需要得到临床医生的认可。临床测评借鉴美国DXPlain系统人机诊断对比的模式，每个科室邀请一名高年资主治及一名副高以上专家，对初诊病历中人机诊断结果差异大的部分进行盲选测评，共有13个科室、23位临床专家完成了1000余份病历测评。测评结束后统计诊断结果的相对准确率，诊断结果相对准确率=（AI正确+双方均正确）/（医师正确+双方均正确）。当诊断结果相对准确率>1时，认为AI诊断水平高于医生，当诊断结果相对准确率<1时，认为医生诊断水平高于AI。根据文献检索，认定“诊断结果一致率>95%且诊断结果相对准确率>0.7”，或“诊断结果一致率>90%且诊断结果相对准确率>1”时，“小布”才可纳入该科室门诊实际应用。而测试的八大主题诊断结果相对准确率均>0.7，其中呼吸科高达2.5。

“当然，在研发过程中难免会遇到各种难题。”张晓波坦言，他举例说，在数据应用过程中发现了过去系统数据中遗留的一些问题，如不同时期病例ICD编码版本不一致、系统更迭导致的个别字段缺失等。技术团队通过完善EMR解析技术、优化数据集成、多轮数据审核等手段，最大限度保证了数据的完整性和可靠性。

2019年12月，“小布”在智慧医疗高峰论坛暨中国首届儿科AI应用大赛首次公开亮相，在门诊场景辅助诊断的人机PK中表现突出，被专家评价为“答题速度飞快、不会疲劳、思考全面、不会遗漏”。

“小布”功能强大

本次发布的“小布”1.0版本覆盖儿童呼吸、消化、皮肤、五官、肾脏泌尿、内分泌遗传代谢、内科感染、发育行为8个儿科主题和13个科室，涉及的病历数据量已占儿科医院门诊总量的75.59%。目前，“小布”已与复旦儿科现有门诊医生工作站实现了无缝衔接。在不干扰医师诊疗习惯、不影响患者就诊流程的前提下，根据医师的录入病史和后台服务器，进行快速交互、迅速运算，并以“概率值+ICD-10编码+诊断名称”的形式，在1秒之内提供诊断建议。

张晓波说道，上一代CDSS在数据处理端使用NLP技术做数据结构化，在诊断端依赖规则进行疾病诊断，相比之下，“小布”则在鲁棒性、可扩展性、可迁移性、对新诊断规范的适应性、诊断准确率提升潜力方面都具有显著的优势。“小布”基于先进的深度学习融合技术进行数据的系统训练，这种学习不是基于浅显的人工硬规则，而是融合了常识性语义和医院术语语义，通过深度神经网络把这些语义进行思考转化，形成适合临床诊断的内在分布式知识体系。这种知识体系不但可以学习医生说得出口的逻辑思维，更可以学习医生说不出的直觉和经验。同时，由于“小布”的运行完全基于医院现有终端硬件基础与网络条件，开发、部署、适应、维护成本小，适合在基层医院中广泛推广。

“小布”这个名字来源于医院的健康科普吉祥物——蓝色布谷鸟医生。

在此次发布会上，复旦儿科与复旦儿科安徽医院及复旦儿科海南分院完成了“小布”多中心应用协议签署，将大力推动“小布”在安徽、海南两家分院的应用落地。未来，“小布”还将会推广到复旦儿科的其他医联体单位和帮扶单位，让更多的孩子享受到国家儿童医学中心高质量的诊疗服务。

“小布医生并不是一个人在战斗。”张晓波说道，近年来，复旦儿科相继在医、护、技、药等不同领域开展辅助诊断、智能导诊、影像识别、脑电分析及合理用药等人工智能的辅助应用。例如，全流程智能照护的“小布导诊护士”、可预测矫正胎龄的“小布脑电机器人”、实现骨质智能诊断的“小布技师”、合理用药决策系统“小布药师”等系列产品将很快问世。

未来，“小布”将通过病历质控，促使门诊病历书写质量日益完善，同时逐步扩大覆盖专科范围，并纳入检验检查数据，提升人工智能的诊断能力。而复旦儿科AI研发团队也将继续致力于人工智能技术与医疗融合创新，帮助基层儿科向着优质、便捷、普惠、温暖的方向前进，让更多的儿童可以享受到高质量的诊疗服务，拥有一个健康快乐的童年。