人工智能技術的發展，促進了自然語言處理與知識圖譜技術在生物醫學領域的應用。近日，國際計算語言學學會(ACL)旗下的頂級國際學術會議NAACL 2021正式舉行，百度奪得MEDIQA 2021醫學放射報告摘要國際評測冠軍。

MEDIQA 2021評測以生物醫學文本摘要(Radiology Report Summarization)為主題，由NAACL的BioNLP研討會組織開展。在醫學語言理解和知識圖譜領域深耕已久的百度以主指標ROUGE-2超出第二名近3個百分點的絕對優勢奪冠，同時包攬全部9項測試指標的第一名。據了解，本次評測吸引了來自IBM研究院、卡內基梅隆大學、斯坦福大學、阿里巴巴、騰訊等全球知名企業和機構參與。在眾多實力選手中脫穎而出，再次彰顯百度不俗的AI技術實力。

百度斬獲MEDIQA 2021評測醫學放射報告摘要冠軍

聚焦醫學放射報告等摘要任務，MEDIQA助力醫療智能化水平提升

MEDIQA(Medical NLP & QA)是近年來國際生物醫學語言處理(BioNLP)研討會設立的技術評測。BioNLP研討會是生物醫學自然語言處理領域最權威的國際研討會之一，從2002年至今已成功舉辦20屆，受到全球廣泛關注。今年以生物醫學文本摘要為主題的MEDIQA 2021評測，下設醫學問題摘要、答案摘要和醫學放射報告摘要三種任務。

其中，醫學放射報告是指臨床放射性檢查后形成的影像報告，通常包括患者和檢查的基本信息、影像表現和診斷印象這三部分。診斷印象可以為后續的醫療決策提供重要依據，是放射報告中最為關鍵的部分。在傳統的診療流程里，診斷印象由放射科醫生根據讀片后的影像表現人工總結形成，耗時耗力。而放射報告的自動摘要則是根據影像表現并結合患者的基本信息，自動生成診斷印象，可以極大地解放人力，提升醫療智能化水平。

除了任務形式的新穎性之外，本屆MEDIQA放射報告摘要任務還有一大特點：測試數據與訓練數據來自于不同的醫療機構，在患者分布、行文風格等方面都存在巨大的差異。這無疑對參評系統的遷移和泛化能力提出了進一步挑戰。

提升AI模型文本摘要能力，推動解決基層醫療難題

自然語言處理及知識圖譜作為從醫學報告等文本中摘取有用信息的關鍵技術，已經成為學術界深入研究的熱點和難點。為了提升模型的文本摘要能力，同時提升其遷移和泛化能力，百度團隊在參賽系統的設計上進行了多種創新。

從系統架構上來看，百度采用編碼器-解碼器框架，通過“預訓練-微調”范式，實現生成式文本摘要。在預訓練階段，以文本摘要生成為預訓練目標，最大化模型的文本摘要能力。在微調之后，進一步利用不同源數據對模型進行領域適配，提升其對新數據的遷移和泛化能力。此外，百度借助模型集成、文本規范化等技術，進一步提升摘要生成的質量。

最終，百度以絕對優勢超越其他參賽機構獲得冠軍，充分證明了其在生物醫學語言理解及知識圖譜領域深厚的技術積累和領先的技術實力，更進一步體現了AI在臨床醫療領域中的應用價值。

百度參評系統整體架構圖

　　醫療資源不均、醫生供需缺口大、臨床工作壓力持續增加已經成為當前我國醫療衛生事業面臨的突出問題，利用AI技術實現臨床輔助具有重要的現實意義。

百度以循證AI為理念，推出AI醫療品牌——靈醫智惠。靈醫智惠依托百度自然語言處理與知識圖譜技術的深厚積累，構建了涵蓋醫學自然語言理解、醫學知識體系、醫學認知計算三大核心技術在內的循證醫學認知引擎，并在此基礎上構建醫療AI中臺、醫療知識中臺和醫療數據中臺，面向醫療場景提供臨床輔助決策、眼底篩查、智慧病案、智能審方、慢病管理、醫療大數據服務等AI醫療解決方案。

目前，靈醫智惠在AI醫療領域的產品和解決方案已觸達29個省市自治區、300多家醫院、1500多家基層醫療機構，服務數萬名醫生，惠及千萬患者。未來，百度還將持續推動自然語言處理及知識圖譜等技術在生物醫學領域的技術創新，用科技的力量提升基層醫療水平，為更多人提供更高效、更優質的醫療服務。