近日，由阿里云與上海瑞金醫(yī)院、阿里健康聯(lián)合舉辦的新一輪天池大賽——“瑞金醫(yī)院MMC人工智能輔助構建知識圖譜大賽”決賽結果頒布，來自哈爾濱工業(yè)大學、北京大學、江南大學年輕的學者團隊在近2000名開發(fā)者中脫穎而出，分列前三名。
在人工智能此類前沿技術領域，擁有25萬開發(fā)者的天池平臺集眾人之智慧產(chǎn)出了怎樣的結果？以技術為實力比拼的比賽成果又如何與企業(yè)、醫(yī)院結合應用到實際？在本次發(fā)布的大賽成果轉化產(chǎn)品——國內首個“基于機器智能的糖尿病領域知識圖譜”中，我們找到了答案。
內分泌醫(yī)生缺口大，機器可替代重復性工作
“我的爸爸就是一名糖尿病患者，最初參賽是因為他，我希望能夠利用我所掌握的技術，幫助到更多像他一樣的糖尿病患者。技術的存在本身不該只為炫技，應該為全人類做貢獻。”在談到參賽初衷時，一位參賽的開發(fā)者表示。
根據(jù)IDF發(fā)布的第八版全球糖尿病概覽中顯示，2017年中國1.144億糖尿病患者人數(shù)位居全球第一，即便按照1個醫(yī)生管理1000人的需求推算，也需要10萬醫(yī)生。而如今，我國內分泌醫(yī)生遠遠達不到10萬，導致很多糖尿病患者不能享受到較好的慢病管理服務，而不同層級的醫(yī)療機構，對糖尿病慢病診治水平參差不齊，也影響了糖尿病患者的治療體驗。
為了能夠以的效率達到更好的糖尿病管理效果，中國工程院院士、上海交通大學醫(yī)學院附屬瑞金醫(yī)院副院長、國家代謝性疾病臨床醫(yī)學研究中心主任寧光發(fā)起的國家標準化代謝性疾病管理中心（MMC）采用一體化的診療流程，將糖尿病管控做到標準化。
MMC采用1+x模式，即一家MMC的中心醫(yī)院與它周圍的多個社區(qū)醫(yī)院相聯(lián)系，形成“從國家級MMC中心到MMC中心醫(yī)院再到多個社區(qū)衛(wèi)生中心”的病人雙向轉診就醫(yī)模式。因此，醫(yī)生數(shù)量尤其是基層醫(yī)生數(shù)量不足、專業(yè)水平參差不齊等問題，就成為影響糖尿病患者的治療康復一大掣肘。
寧光院士表示：“基層醫(yī)生尤其是全科醫(yī)生，需要處理很多種疾病，往往無法達到“術業(yè)有專攻”。如何讓基層醫(yī)生也能夠像?？漆t(yī)生那樣處理這些疾病的狀況，這是MMC需要解決的非常重要的問題。”
此外，醫(yī)生大量的從事重復性的工作，長期的疲勞容易造成漏診、誤診，“如何讓已經(jīng)形成重復性勞動的事情，更多地讓機器完成，而讓醫(yī)生更多考慮疾病中不規(guī)律的情況，是疾病治療很重要的部分。”
首個糖尿病知識圖譜出爐，助力瑞寧助糖優(yōu)化用藥方案
2018年9月，阿里云天池大賽就發(fā)起了用人工智能輔助構建糖尿病知識圖譜的挑戰(zhàn)。在過去半年時間里，吸引了中國、美國、日本、丹麥、新加坡等8個國家和地區(qū)共1629支隊伍、1817名開發(fā)者參與。
其中，吸引的團隊除了北京大學、浙江大學、哈爾濱工業(yè)大學、新加坡國立大學等國內外知名高校，還不乏國內眾多企業(yè)的身影，在產(chǎn)業(yè)內也受到極大的關注。
大賽主辦方瑞金提供與糖尿病相關的學術論文以及糖尿病臨床指南。第一賽季課題為“基于糖尿病臨床指南和研究論文的標注構建”，要求選手在學術論文和臨床指南的基礎上，做實體標注；第二賽季課題為“基于糖尿病基于糖尿病臨床指南和研究論文的實體間關系構建”。選手將從中抽取實體之間的關系。通過初賽、復賽與決賽答辯，綜合線上提交結果評分和線下答辯角逐冠軍。
賽題組通過標注工作，形成國內糖尿病領域首個文本標注數(shù)據(jù)集合，標注中文實體近19萬，最終，開發(fā)者基于糖尿病相關教科書、研究論文，通過高效的算法，進行文獻挖掘并構建知識圖譜，與瑞寧助糖深度融合，加速產(chǎn)品迭代。
時間拉回到2016年，寧光團隊與阿里合作，首次發(fā)布“瑞寧助糖”，這是一款糖尿病醫(yī)生AI助手，它由經(jīng)驗模型和知識模型的兩部分機器學習構成的軟件系統(tǒng)。其通過人工智能深度學習的方式，以1000多份真實的糖尿病病例，加上300位的糖尿病醫(yī)生的經(jīng)驗形成經(jīng)驗模型，同時，融合各種糖尿病指南和國內外文獻檢索數(shù)據(jù)庫形成知識庫，以及綜合糖尿病可能導致的血脂異常、高血壓、肥胖等100多種并發(fā)癥的發(fā)病原理和標準化臨床數(shù)據(jù)，進而對為醫(yī)生給出診斷建議。
在經(jīng)歷過數(shù)次的迭代之后，此次應用天池大賽知識圖譜構建成果的“瑞寧助糖”，三年后又迎來了一次重要的轉型升級。
阿里云算法專家顧斐在展示成果時表示，知識圖譜的作用在于以下三點：一是其能夠電子病歷、科研論文這類非結構化數(shù)據(jù)做成結構化，“這是作為下一步人工智能研究非常必要的步驟”；二是知識圖譜能整合各類文獻資料，將實體關系抽離出來；三是構建知識圖譜的過程為后續(xù)人工智能輔助診斷和智能用藥推薦提供了堅實的基礎。
點擊下圖，預登記觀展
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2024 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
