第一科研 | JAMA子刊发表市一放射科解学乾团队BERT自然语言处理研究成果

近年来，人工智能自然语言处理（NLP）中的双向编码器表示（BERT）得到了快速发展，并可以生成医学报告。上海市第一人民医院放射科解学乾教授研究组通过纳入大样本胸片病例，使用NLP技术根据原始报告自动标注训练集胸片，训练卷积神经网络(CNN)，使用NLP自动生成诊断报告。研究结果显示，基于NLP技术自动生成胸片报告，其书写报告的时间显著短于基于正常描述模板和基于规则模型。该研究成果已发表于JAMA子刊JAMA Network Open (IF=13.353)。

本研究的回顾性训练集纳入了74082个胸片病例。在前瞻性验证集纳入的5091个病例中，验证了用NLP生成自由文本描述性报告，为报告书写提供先验信息。结果显示，NLP生成报告模式缩短了报告书写时间，且与最终报告的一致性最高，其BLEU评分（机器翻译评价指标）为0.69分，显著高于正常模板的0.37分和基于规则模型的0.57分。

胸片是筛查和诊断心肺相关疾病常用的放射学检查，占心肺疾病影像学检查的26%，特别是在基层和社区医院，胸片是最常用的胸部疾病影像学检查手段。不过，胸片的判读依赖放射科医生的专业知识和经验，而基层医院往往缺少有经验的放射科医生。此项研究可在实际应用中提高基层医疗单位对肺炎、肺结节、气胸等常见或危急疾病的诊断能力，为诊断胸部疾病、提高临床效率提供新的工具。

据介绍，我院已获工信部办公厅与国家药品监督管理局联合批准为“人工智能辅助诊断医疗器械临床试验中心”；获上海市科学技术委员会批准为“上海市人工智能辅助诊断医疗器械临床评价平台”，负责开展各类影像人工智能辅助诊断设备和产品的临床试验，以评估其安全性和有效性。目前中心已形成规范的数据库建设SOP标准，并在严格依照普适性标准进行实践的情况下，围绕不同病种制订“个性化建库SOP”。中心现有数据库涵盖了冠心病、淋巴瘤、颈动脉斑块等多个特色病种，可为影像人工智能辅助诊断项目提供丰富的试验数据，有助于研究人员对该领域开展深入探究。

通讯员/放射科 王凌云

宣传处 胡杨

编辑/宣传处 蔡诗诗