医疗AI 基于人工智能的银屑病辅助诊疗系统

日期:2018-11-20 12:51 作者:澳门皇冠 来源:皇冠现金

  我为什么选择皮肤病作为一个突破口,因为现在皮肤病已经成为严重的民生问题,在全球皮肤病已经占到全球疾病的1.79%,在中国皮肤和皮下疾病位于导致伤残的健康问题的第三位,在其他国家皮肤疾病也是重要的问题,在第二到第四位徘徊。

  这个疾病现在是很严重的民生问题,与之相对的医患比例非常不平衡。就湖南省而言,7400万人口只对应不到1200位皮肤专科医生,皮肤科门诊量巨大,年门诊量超过100万的就有5家,每个医生只有2到3分钟处理每位病人,就很难做出准确而快速的判断,而且对医生的负担也非常严重。与之相对的是基层几乎没有皮肤科医生,我们可以看到在三甲医院和基层医院的皮肤病的医生之比是非常不平衡的。

  在这里皮肤病是一种非常复杂的疾病,一共有上千种类型。我们国家的重点专项3.1.4,我们是针对银屑病病种进行重点突破的。选择银屑病主要从三个方面进行考虑。

  第一方面,发病率非常高。在中国的患病人数是700到750万人,这个比例大概是占0.5%左右。但是发达国家与之相比,发病率达到2%到3%。当然比例的悬殊一方面是人种的问题,白种人更容易得皮肤病。另外一种原因是我们现在对于皮肤病的医患比例非常失衡,很多皮肤病患者并没有检查出来是银屑病的患者。

  第二方面,银屑病是不能够完全治愈的,基本上每位患者都会复发。而且会引起一系列的并发症,包括代谢综合征、心脑血管疾病、糖尿病等等。但是正确的治疗方式,可以很有效地缓解病情,花费相对比较高,基本上每年花费几千到3—5万。这个是根据人的身体素质不同,当然如果采用生物制剂的治疗,每年的花费达到几十万元人民币。

  另外除了这个病是不可治愈以外,诊疗难度也非常高。银屑病不仅仅是一个皮肤的疾病,它是一个综合性的系统治病。它的病种也包括很多种类型,包括寻常型银屑病、关节型银屑病、红皮病型银屑病等。而且在做诊断的时候,不仅仅要考虑到外观可以看到的因素,还要综合考虑心血管、心理、胃肠道、自身免疫等多个方面。在用药的时候也有很多种治疗方法,包括从最开始的外用、再重一点是光疗、再重一点是系统治疗,对于治疗无效的中重度的银屑病,要采用生物制剂的治疗方式。

  因为银屑病需要一个终身的监控、需要一个终身的治疗,所以怎么样去评估银屑病的严重程度就非常重要。现在广泛采用的评价方法叫做PASI评分,PASI评分是在1978年最早制定出来的。它主要是一种从外观上考虑的评分方式,首先会考虑把人体分为4个部位,包括头颈、上肢、下肢、躯干,看外观红色程度、厚度、鳞屑及鳞屑颜色、最后还要考虑区域的面积,综合这样几个方面去考虑,去计算出PASI评分来评价严重程度。

  严重程度的评分是量化的评分标准,对于进行一些治疗或者采用一些治疗方法以后是不是能够追踪到他的病情变化,这方面PASI评分还有所欠缺。所以它的计算过程非常复杂,对于医生来说是很大的负担。而且对于面积的很多评估来说,医生也是算不准的,这样就会导致多次检查的不一致,医生就很难判断,比如说这个病人采取了一些药物治疗以后效果变好还是变差。PASI评分也考虑到外观因素,刚才提到银屑病是系统性疾病,不仅要考虑到外观,还要考虑到并发病的问题,以及相应的并发病带来的生活质量的问题。

  现在我们再来看一下,银屑病我们也做了一些相应的数据统计。在这里我们可以看到性别是有不平衡的,但是从病理上来说在性别上其实是一个发病率相等的银屑病。所以说,这里的问题主要是说有些女生出于隐私问题,不愿意到医院作治疗,这也更凸显了我们使用线下治疗系统的必要性。

  第二个是年龄分布,可以看到银屑病发病不仅是针对老年人,对于青壮年来说发病率也很高,接近50%。同时银屑病是不可治愈的,这个病会伴随患者的后半辈子,拿平均每年要花1万元来讲,700万银屑病病人每年花费700亿左右,这是一个非常大的社会负担、也是经济负担。

  这里我们也看到,下面是复诊次数,这个复诊次数是44%,但是根据我们和湘雅医院的医生了解,发病率基本上是100%一定会复发,只是根据体质问题复发大概在什么时间段。也就是说,很多病人由于地理原因的问题或者因为挂号的问题没有来得及看复诊,这时候也需要线下辅助诊疗的措施帮助追踪他的病情,预测他是否会复发或者有其它并发病症,同时提醒他必须要到医院做检查。

  银屑病有两个评分标准,一个是PASI、一个是BSA,BSA主要是考虑到面积。我们可以看到这两种官方评分标准的趋势都非常不一致,这个我们也去找过湘雅的医生核对过,确实是目前的官方评分标准并不能达到一个很好的效果。也就是说,我们需要有一个新的评分标准能够有效一致的持续的追踪银屑病患者的病情。所以说,根据刚刚提到的问题和诊疗痛点,主要是针对医患比例失衡、医生负担重、个性化治疗方式,对医生要求非常高、需要对病人非常了解,但是往往在2到3分钟的问诊时间之内是很难达到这个要求的。第三个是PASI评分步骤复杂、主观性强、一致性差。

  所以我们这边提出三种人工智能解决方案,第一种是我们有一个线下的自检系统,这个自检系统可以通过对话、上传图片、线下初筛、在线转诊,同时还可以精确分诊,因为皮肤科的医生专业各有不同,有的擅长银屑病,有的擅长玫瑰座疮等等,所以把病人转到正确的医生那里也是很重要的。还有一点是问诊时间非常短,只有2到3分钟,我们在线下自检的过程中就可以把患者的主诉补全,让医生可以很快的做出判断,提高医生诊断的效率。

  第二个方案,我们有一个银屑病的诊断预测系统,包括银屑病的亚型,它相应的并发症和复发预测,这个对医生、对患者都是非常重要的,可以知道比如说他如果是关节性的,又比较严重,又容易复发,我们可以采用生物制剂等等治疗做法。而对于有一些疾病,我们就不可以使用,比如说有一些疾病不可以使用一些药物,每个人的治疗方法都不一样,所以要有个性化推荐的治疗方案。

  第三个,我们希望微信小程序有一个严重程度的评分。首先我们是去模拟改善PASI评分,下一步是通过一致性的改进PASI评分,可以持续的预后追踪,即使来不了重诊也可以线下预测。同时我们考虑到患者的复发、并发症等等方面,对于此我们做了5步的任务,可以覆盖到诊前、诊中、诊后,从整个流程覆盖了银屑病的治疗。

  刚刚提到了我们想解决的方案,在做这些方案的时候,我们先讲讲我们的优势。我们的基础在哪里,要做什么样的事情。这个基础我们先讲讲医学和数据的优势,湘雅非常有远见,他建立了皮肤大数据采集平台,这个系统是由他们单独管理的。而且湘雅也在银屑病方面有很多重点学科、重点实验室,也积累了很多的医生数据、医生的诊断标准,诊断结果、病例结果、图片结果、患者复诊信息全部在湘雅大数据平台收集好,而且这些图片都是经过临床病理确认的,也就是说这些图片是可信的。

  因为我们做机器学习的时候,往往发现如果这个图片不可信,从根上预测模型就会错掉了,但是如果有病理确诊过的,我们做这件事情的标准就非常高,很容易可信。前一阵我在参加研讨会的时候听到,像肺部结节的数据请过260位三甲医院的医生,但是标注精确度只有30%多。如果经过病理确认,我们觉得准确率就比较高。我们做这件事情的时候,从根上就可以正确地发展。这是医学上的优势。

  相应的要做这三件事情,技术上也有相应的挑战。比如说自检系统牵扯到问诊逻辑引擎、医学知识图谱、多模态融合模型,因为有图片和文字的预测,PASI评分也需要多模态融合模型,个性化治疗也需要医学知识图谱,辅助医生也希望有一个可解释推理模型,并且还有并发症预测的一些算法。

  比较幸运的是,我们实验室在这几个方面正好也有相应的积累,包括像刚刚范老师提到过我们和人民卫生出版社有深度合作,我们可以获得权威的材料,我们也有一些技术可以构建很大的知识图谱,也可以针对银屑病做专门的知识图谱。我们在开发医疗系统的时候,我们也有自动问答的逻辑引擎,可以在最短的时间之内引导患者主权主诉。而且我们在做大规模逻辑推理的时候,在可解释的推理引擎上也有相应的一些积累。

  至于多模态融合以及并发症和复发预测两个方面,我们也有相应的积累。多模态模型我们可以利用图片、离散值等互相关系进行融合,从而做出准确预测。至于并发症和复发症,我们也有相应的基础积累,不仅可以预测会不会复发,而且可以准确预测大概在什么时间段复发,并发症大概在什么时候出现,可以提前做一些干预,引导患者提前去复诊。

  这是我们具体的技术流程,包括我们这边的实验室检查,也有一些图片,从而我们可以去做出一个判断,比如说银屑病的概率有多少。同时我们也会给出一个PASI评分,这是我们模拟的一个PASI评分,标识他的严重程度大概是怎样的。我们不仅是一个定性,还有一个定量。至于这个图的左边,我们在做判断的同时,也会找出发病的区域,方便医生去做进一步的复核。

  这个是共患疾病复发预测模型,这里是一个患者的真实历史数据记录。像这位患者一共来医院诊疗了4次,每一次我们都对他的病例做了一个记录,并且也检查到他的一些并发症的情况。这里我们会结合他的历史访问情况,以及他访问的嵌入层是使用循环神经网络的方式,我们提出了一些和疾病相关、时间相关的attention技术,同时对他的并发症进行预测。像这里我们预测一些并发症,像高血压、糖尿病、心肌梗塞等,而且我们预计他在30天之内再来医院检查。

  刚刚提到我们在银屑病诊断以及并发症预测方面的一些工作,这里我们也做了一个相应的微信小程序,我们也做了一个准确度的判断。可以看到我们把湘雅的数据分成了训练集和测试集,我们是进行非常严格的区分,同个的病人的不同数据是不会在训练集合测试集里同时出现的,这里是做了一个三分类,它是银屑病、非银屑病的其它皮肤类疾病和没有问题,这里的精确度也可以达到95%以上。但是值得注意的是,我们这里的拍摄环境相对来说是比较一致的,外界的噪音比较少。下一步我们会对复杂环境当中,比如说用户在线下环境拍摄的照片精度做进一步的提高,提高模型的有效性。

      现金网,澳门皇冠,皇冠现金