人工智能助力循证药学： EBM EasyReviewer （ 基于 PICO 的循证 AI文献筛
发布日期: 2018/12/21 浏览次数：
图1 系统评价制订路线
开展系统评价的基础是进行全面、系统的文献检索，其中的限速步骤是基于特定PICO（Population, Intervention, Comparison, Outcome）进行文献筛选。著名的机器学习专家周志华教授在2016年中国计算机大会提到——
在一个关于婴儿和儿童残疾的疾病研究里面，美国Tufts医学中心在第一步的筛选之后就拿到了33000篇摘要。中心的专家能保持每三十秒钟1篇的效率过滤文献。但就算这样，这个工作还是要做250个小时。可想而知，就算一个医生三十秒钟看一篇文章，一天八小时不吃饭、不喝水、不休息，也需要一个多月才能完成，而且糟糕的是每一项新的研究都要重复这个麻烦的过程。
随着循证医学与循证药学的普及，系统评价被广泛开展，其中文献筛选耗费了极其大量的人力与时间。
而近年来飞速发展的人工智能（AI）技术如何能帮助提高系统评价的制订效率呢？
图2 系统核心思路与目标
对于系统评价中文献筛选的费时费力，北京大学第三医院药剂科主任赵荣生教授有着切身体会，并一直在思考如何利用新一代人工智能AI技术解决这一痛点。在赵荣生教授牵头下，北医三院药剂科赵荣生教授团队联合诺道医学团队，由诺道医学首席数据科学家王则远博士（2017年全球高校数据科技DSG大赛17名）与北医三院药剂科宋再伟药师等共同组成了“AI+循证药学”研发团队，经半年多的刻苦攻关，成功研发了国内外首个基于PICO的循证AI文献筛选系统——EBM EasyReviewer。
图3 “AI+循证药学”研发团队
2018年12月15日，中国药学会循证药学专业委员会成立大会暨第七届循证药学高峰论坛在四川省成都市隆重召开，北京大学第三医院药剂科主任赵荣生教授当选为中国药学会第一届循证药学专委会副主任委员。同期举办的第七届循证药学高峰论坛以“药物政策与药物评价方法”为主题，围绕卫生决策的需求与挑战、循证医学与循证药学学科发展的问题与机遇、药物评价方法的前沿与进展进行专题报告。来自国家卫生健康委员会、国家药品监督管理总局、全国高校、医疗机构及相关科研院所的专家学者参加了本次会议。
图4 中国药学会领导向主任委员、副主任委员颁发聘书
与会期间，中国药学会第一届循证药学专委会副主任委员、北京大学第三医院药剂科主任赵荣生教授首次正式介绍了EBM EasyReviewer——基于PICO的循证AI文献筛选系统。
图5 赵荣生教授介绍EBM EasyReviewer
EBM EasyReviewer系统通过模拟系统评价研究者根据PICO筛选文献的思维逻辑，对文献内的句法结构和语义关系进行分析，实现类脑的文献自动筛选/分类功能。该系统作为国内外首个基于PICO的循证AI文献筛选系统，由北京大学第三医院赵荣生教授团队与诺道医学联合研发。目前，在多篇Cochrane发表的系统评价中试用结果已显示了EBM EasyReviewer良好的有效性与可靠性，在确保召回率100%的前提下（即不漏掉任何一篇人工筛选纳入的文献），EBMEasyReviewer平均能够减少系统评价研究者工作量（WSS）高达92.77%。
图6 EBM EasyReviewer登录页面
谈及EBM EasyReviewer的下一步研发规划时，赵荣生教授表示，在与诺道医学的通力合作下，研发团队将进一步完善AI文献筛选功能，并向循证药学研究人员大力普及推广，以节省人力、提高系统评价制订效率。同时，项目组将尽快研发并整合AI提取文献信息、AI合并数据的功能，最终整体促进循证药学研究，助力健康中国计划。
图7 EBM EasyReviewer下一步规划
会议期间，与会的专家学者与赵荣生教授针对EBM EasyReviewer系统展开了热烈的讨论与交流，EBM EasyReviewer系统得到与会专家学者的一致认可与高度评价。
附：
作为国内临床药学的领军机构之一，北京大学第三医院药剂科连续三年名列复旦版临床药学专科声誉排行榜第一名，在临床药物治疗评价与循证药学领域均取得了突出的成绩。北京大学第三医院药剂科翟所迪教授主持制定《中国万古霉素治疗药物监测指南》和《中国伏立康唑个体化用药指南》是中国大陆被美国国立临床实践指南文库（NGC）正式收录的第一和第二部指南。目前，北京大学第三医院药剂科赵荣生教授主持制定的《大剂量甲氨蝶呤临床用药指南》（制订中）则是中国首部抗肿瘤药物循证指南。