解密谷歌自动诊疗智能系统

【嘉德点评】尽管目前AI在各个领域的研究日趋成熟，但是业内专家指出，AI在医疗领域中的应用可能会率先落地，谷歌就针对于自动诊疗所开发了一个智能系统。

集微网消息，“人工智能”四个字可以说是近年来的一个代表词，随着IBM Waston和AlphaGo人机大战等事件持续发酵，越来越多的人开始着眼于人工智能。尽管目前AI在各个领域的研究日趋成熟，但是业内专家指出，AI在医疗领域中的应用可能会率先落地。

作为人工智能巨头的谷歌也开始融入到医疗领域，并且还共享过一个计算机视觉模型。为了增强视觉模型。除此之外，谷歌还开发了一个AI视觉系统，主要用于识别药物中的蛋白质晶体。

但是医疗用的诊疗系统，其研发难度还是非一般团队所能驾驭的，传统的诊疗系统包含这些内容：当患者带着主诉到达时，诊断过程就开始了。在看到患者之前，医生首先在患者的病历中搜索患者病史中的相关发现。根据这些发现，他创建鉴别诊断，一个基于每种疾病流行程度排序的广泛诊断列表。对于为发现而进行试验(询问问题、进行检查规程、订购诊断试验等)的决定是基于以下内容的：

1）该发现在鉴别排序最高的诊断方面的有效性(取决于发现对于每种疾病的阳性和阴性似然比(LR))；

2）该发现排除紧急疾病的能力(例如，虽然罕见，但是胸痛患者应当用心电图排除心肌梗死)；

3）获得该发现的成本(医源性风险、资源可用性、及时性等)。

医生在患者病史的背景下解释每个新获取的发现，这改变了每种可能诊断的概率。这个过程发生在每个临床决定之后。一旦有足够的发现来支持确定性的诊断(具有低概率替代方案的高概率诊断)，就做出诊断并开始治疗。

由于各种原因，上述过程可以是低效的并且不是成本有效的。一方面，医生可能没有时间在病历中搜索患者病史中的所有相关发现，特别是在患者具有广泛或复杂的病史的情况下。此外，医生可能难以客观地解释每个诊断的发现的相关性。难以快速做出成本有效的、基于证据的决定，尤其是在患者具有复杂的病史或不能轻而易举地获得关于不同潜在试验的成本的信息的情况下。此外，医生常常没有时间记录关于发生的诊断过程的高质量记录，尤其是在繁忙的临床实践或医院情况下。

为了解决这些问题，谷歌在18年8月23日申请了一项名为“诊断有效工具”的发明专利（申请号：201810965569.X），申请人为谷歌有限责任公司。

根据目前公开的专利资料，让我们一起来看看这个诊断工具吧。

如图所示为用于根据关于患者的已知发现的集合评估一个或多个试验或附加发现的诊断有效性的系统，该系统为包含软件应用的计算设备12(其可以采用平板电脑、智能电话或台式计算机或工作站的形式)生成数据，该软件应用被健康护理提供者用于查看患者的病史并输入关于患者的病情或症状的发现。

该计算机为具有辅助存储器的计算机，或计算机复合体的系统14存储经验证的概率健康模型16，以及从汇集的电子病历或其它医疗知识源获知的医疗知识的数据库18。汇集的电子病历可以来自一个机构或多个机构，也可以来自借助于20指示的数据流反馈到系统中的电子病历。

系统还包括基于医疗知识的推理引擎24，其根据患者的病史和发现和经验证的概率健康模型16进行操作。该引擎被编程以执行若干任务，包括：

1)确定患者的最可能疾病的集合；

2)建议鉴别最可能疾病的集合的一个或多个试验或附加发现的集合；

3)生成指示一个或多个试验或附加发现的有效性或相关性的标记，诸如统计数据、文本；

反映这些任务的结果的数据被从引擎发送到电子设备12，以帮助健康护理提供者更高效地管理和规划患者的护理。此外，该系统还支持基于web的患者界面50，其向患者提供他们可以从他们自己的电子设备访问的诊断有效性信息。

如下图为具体的医生操作界面图示，可以直观的看到系统的功能展示。

界面40被设计为通过诊断过程帮助医生并在过程发生时记录过程，并提供用于评估所提出的附加发现或试验的医疗有效性的工具。界面允许医生通过由医疗知识库18和推理引擎24提供的帮助来查看患者的病史并输入新的发现。

界面具有用于显示医生可以收集的关于患者的三种类型信息的区域：已知发现、在区域中提出的新发现以及鉴别诊断。

在已知发现部分中，系统根据患者的病史建议医生用一次轻击确认或否认的相关事实；在新发现部分202中，系统建议未知的发现，并且可以由医生(通过询问、检查或者下订单并获得结果)确认或否认；在鉴别诊断部分中，系统示出具有给定的已知发现和新发现的鉴别诊断，按概率排序。

例如，医生看到具有主诉“ 乳房肿块”的患者。他将看到先前已经记录的相关发现202，诸如“ 乳腺癌家族史”，医生可以用一次轻击确认这一发现并将其记录，这将增加乳腺癌的可能性，因而在鉴别诊断中将其排序更高。

除了医生操作界面之外，该系统还配备了为患者提供的健康分析结果。

如上图所示为面向电子设备的界面的健康护理提供者的图示，包括已知发现500的显示、最可能诊断502的显示、用于这些诊断的可能性数据504以及在一列506中建议的新发现或试验的显示和对于每个提出的附加试验或发现的相关联标记508(诸如例如相关性得分、成本或发现的其它属性)。

最后，我们再来看看系统中最重要的决策引擎是如何工作的。

上图推理引擎如何工作的示例的图示，引擎必须推断出前两种诊断(阑尾炎和憩室炎)之间最成本有效的试验，为了达到这个目的，成本必须与有效性相权衡。

用于每个发现的试验首先按成本分类，然后按似然比分类，RLQ(右下腹部)可以通过访谈来确定，与确定白细胞增多所需的实验室试验相比。因此，引擎推断RLQ疼痛是用来具体诊断的最佳方式。

以上就是谷歌针对于自动诊疗所开发的系统，医疗领域除了较高的入门门槛以外，还存在着巨大的商业价值，不可否认，这是国内外巨头纷纷入局医疗领域的重要原因。从医疗产业发展现状来看，巨头们跨界医疗，并非坏事。有着强大的资金和科研实力的科技巨头们在搅乱医疗这一池春水的同时，也为医疗行业发展带来了新思路！