关键词：集群智能，医疗诊断，知识图谱，自然语言处理
论文标题：Automating hybrid collective intelligence in open-ended medical diagnostics
斑图链接：https://pattern.swarma.org/paper/079e906c-3b00-11ee-9320-0242ac17000d
原文链接：https://www.pnas.org/doi/10.1073/pnas.2221473120
在美国，估计每年有25万人死于可预防的医疗失误，其中许多都源于诊断过程。提高诊断准确性的一个有效方法是综合多个诊断人员的诊断结果，然而在普通医疗诊断中，人们缺乏汇总独立诊断结果的方法，而集群智能可能成为解决该问题的一种方法。
在地缘政治预测、投资和医疗诊断等许多领域，集群智能已成为提高决策准确性的强大机制，但其大多应用于相对简单的决策任务，如二元分类，而整合来自不同人群成员的非标准化输入是一项挑战，因此在问题空间更大的开放式任务，如应急管理或普通医疗诊断中的应用还很缺乏。
本文提出一种在普通医疗诊断领域利用集体智慧的全自动方法，利用语义知识图谱、自然语言处理和SNOMED CT医疗本体，克服开放式医疗诊断中集群智能的一个主要障碍，即从非结构化文本中识别预期诊断。利用医疗众包平台上诊断的1,333个病例测试该方法：人类诊断项目（The Human Diagnosis Project），每个病例都由十名诊断人员独立评定。
图1 在医疗本体SNOMED临床术语的帮助下，在开放式医疗诊断中利用集体智慧的自动化管道示例。A. 通过移动设备访问Human Dx平台中的病例，包含病人的一般信息、临床发现以及输入初步鉴别诊断的可能性；B. 不同诊断与 SNOMED CT标识符的映射图；C. 聚合后的集体排名。
通过比较单个诊断人员的诊断准确率和不同规模小组的集体诊断准确率，结果表明该方法大大提高了诊断准确率：单个诊断人员的诊断准确率为46%，而将十个诊断人员的诊断结果汇总后，准确率提高到76%，同时这种提高体现在不同的医学专业、主诉和诊断人员的任期水平上。
图2 三种不同聚合规则下不同组员人数的全自动聚合程序的诊断准确率。在使用 1/r、1/r(2) 或等权重规则时，增加小组成员数量可分别提高正确诊断出现在集体诊断前 1、前 2 或前 3 的可能性。
研究结果表明，利用全球医学界的集体智慧来减少诊断错误和提高患者安全，具有拯救生命的潜力。
大模型与生物医学：
AI + Science第二季读书会启动
详情请见：
大模型与生物医学：AI + Science第二季读书会启动
推荐阅读
