儘管全國疫情向好，但世界範圍內的疫情形勢仍然嚴峻。正如華山醫院感染科主任張文宏教授所說：“疫情今夏結束基本已不可能！”與此同時，科技力量也成為全球抗擊疫情的“生力軍”，全面賦能醫療機構。
近日，中山大學孫逸仙紀念醫院副院長林天歆在廣東省疫情防控新聞發佈會上宣佈，其牽頭開發了基於胸片和胸部 CT 的新型冠狀病毒肺炎 AI 篩查和輔助診斷系統，20秒可完成CT診斷，診斷準確率達到了90%以上。與之前阿里達摩院研發的AI影像識別算法（20秒診斷、96%準確率）的效果相近。
此外，四川大學華西醫院、復旦大學、南開大學、阿里健康等多家醫療機構和企業也公佈了AI輔助診斷系統的研發成功。
據悉，該新冠肺炎AI篩查和輔助診斷系統是由中山大學孫逸仙紀念醫院聯合廣東省實驗室、清華大學、澳門科技大學以及康睿智能科技有限公司聯合進行攻關。團隊收集了來自廣東、湖北、安徽、新疆、黑龍江等地部分醫院的新冠肺炎病例相關數據，最終在50萬份臨床影像學大數據基礎上，根據深度學習、遷移學習等AI技術，建立了基於胸部CT和X光的新冠肺炎AI輔助診斷系統。
林天歆介紹稱，傳統的人工閱片存在著速度比較慢、基層的醫生經驗不足容易漏診等現象。根據以往AI開發的經驗，人工智能技術的輔助有助於提高閱片醫生的工作效率和準確性。相對於人工閱片，該系統有三個優勢：
首先，能夠快速地診斷新冠肺炎，但同時也保持了它的準確性。以往有經驗的影像科醫生看一個患者的CT大概要花15分鐘到20分鐘，而這個AI輔助系統可以在20秒內就完成1例患者CT的檢測和診斷，並且準確率可以達到90%，這個水平相當於一個省級三甲醫院影像科副教授的水平。
其次，該系統還具有把病情的嚴重程度進行分級，預測疾病轉歸的功能。這個系統可以對胸部CT的每一個層面的結節、磨玻璃影和實變進行自動的識別、標註、定量分析。病情的嚴重程度跟患者的吸氧頻度、吸氧飽和度、酸鹼平衡以及肝功能、凝血功能等都有密切關係，所以系統可以幫助醫生來判斷患者會不會從普通型轉變成重型、從重型轉變成危重型，這樣就有利於醫生及早地來進行干預，來降低患者的死亡率。
此外，該系統能夠協助醫務人員進行藥物療效的評估。系統可以對同一個患者用藥前後的CT影像進行分析對比，通過定量計算，看看這個病灶在用藥前後是不是有變化，判斷藥物是否有效，指導臨床的用藥。
目前，這套AI輔助診斷系統已在中國科學院國家生物信息中心的雲平臺線上部署，並且已在中山大學孫逸仙紀念醫院、中山大學附屬第三醫院、武漢大學人民醫院、安徽醫科大學第一附屬醫院和新疆喀什地區第一人民醫院進行測試和使用，接下來將盡快在全省、全國推廣應用。
林天歆還透露，目前研究小組正在解決系統穩定性，很快就可以在武漢金銀潭醫院、同濟醫院等使用，以後還將上線外語版本。國外的醫療機構可以通過雲平臺連接到AI系統使用。
用深度學習篩出最具診斷意義的8-10個特徵
據悉，在疫情爆發後，廣東省幹細胞和再生醫學重點實驗室緊急啟動了該項目。
由於核酸檢測耗時長、咽拭子取材不當影響檢出率等原因，胸部CT成了新冠肺炎臨床診斷的重要依據。自第五版新冠肺炎診療方案開始，CT診斷就被納入了臨床診斷標準中。
而CT閱片的難點主要來自三點：第一，一套胸部CT片子有近300個切面，閱片量極大。第二，基層醫院，甚至部分市級醫院，由於新發病例不多，醫生通過胸部CT診斷新冠肺炎的準確性有待提高。第三，觀察療效時，需要花費大量時間逐層對比前後兩次CT。因此，引入人工智能進行輔助診斷成為勢在必行。
隨著臨床診斷數據的積累，新冠肺炎的影像學大數據特徵日益明晰。據悉，新冠肺炎AI篩查和輔助診斷系統的原理是在大數據的基礎上進行歸納總結和應用。
根據新冠肺炎、其他病毒性肺炎、細菌性肺炎、其他肺部疾病以及正常胸部CT影像及其標準設置針對性算法，在此基礎上進行深度學習，從幾千個影像特徵中篩選出最具有診斷意義的8-10個特徵；最後利用上述特徵與算法對各類胸部CT進行分層診斷：一是區分正常、肺炎和其他疾病，二是在肺炎基礎上，再分為病毒性肺炎和細菌性肺炎，第三是將病毒性肺炎再分為新冠肺炎和非新冠肺炎。最後輸出結果為新冠肺炎或非新冠肺炎。
AI抗疫全面開花
無獨有偶，四川大學華西醫院的AI篩查與輔助診斷系統也在近日上線。
依託於“疾病流行病學大數據研究平臺”，華西醫院與四川希氏異構公司聯合研發了“肺部多病變CT影像AI篩查與輔助診斷系統”。其匯聚了近20家醫療機構的醫學研究支持，由華西醫院放射科影像專家完成了臨床確診病例的遴選和標註。
3月13日，該系統進行了實際運行測試。測試結果表明，系統運行良好，能夠秒級發現疑似病變，包括“肺結節、肺癌、結核、病毒性肺炎、細菌性肺炎”等病症的影像特徵，使醫生工作量成倍減少。與此同時，系統還能對患者不同時期的胸部CT特徵做出定量分析和對比，幫助醫生進行疾病進展預測。該系統還可以免費供國內外有需求的醫療機構研究性使用。
同時，另有多家科研團隊加入了AI輔助診斷新冠肺炎行列。例如，復旦大學計算機科學技術學院和大數據研究院聯合上海市公共衛生臨床中心放射科研發的系統在2月21日開始聯試聯調；南開大學計算機學院程明明教授團隊聯合北京推想科技有限公司研發的系統至今已運行50余天，並出口日本；北京實驗室與北京清華長庚醫院等單位的聯合團隊建成了人工智能3D重建引擎，能將傳統CT醫學影像數據自動分割重建為三維立體模型並顯示在真實空間中……由此可見，相關技術已經多地全面開花。
此外，阿里健康也宣佈，在國內數十家基層醫院接入了CT影像AI輔助篩查技術。這項技術由阿里達摩院醫療AI團隊設計，基於當前最新的診療方案、鍾南山等多個權威團隊發表的關於新冠肺炎患者臨床特徵的論文等研發。
2月15日，在早期訓練數據不足的情況下，達摩院團隊僅基於5000多個病例的CT影像樣本數據就成功研發出算法模型，通過NLP自然語言處理回顧性數據、使用CNN卷積神經網絡訓練CT影像的識別網絡，AI可以快速鑑別新冠肺炎影像與普通病毒性肺炎影像的區別，識別準確率高達96%，識別病例耗時不到20秒。達摩院還與阿里雲研發了輔助診斷算法，算法能根據患者基本信息、症狀、實驗室檢查結果、流行病學史、影像報告等信息，輔助醫生制定治療方案。
3月13日，阿里健康宣佈，上述技術在國內數十家基層醫院完成部署。天台縣人民醫院常務副院長裘銀虹介紹稱，天台醫院日常每天要進行700多次CT檢查，而在採用AI輔助篩查技術的兩週內，已有近千例肺部CT由AI進行分析，大幅提升了診斷效率。3月17日，達摩院醫療AI在武漢火神山醫院上線。截止至17日，系統已在全國160多家醫院上線，臨床診斷26萬病例。
國家高度重視
值得一提的是，人工智能在疫情防控中的重要作用得到了國家的高度重視。在3月16日出版的第6期《求是》雜誌 發表了重要文章《為打贏疫情防控阻擊戰提供強大科技支撐》。
文章強調，人類同疾病較量最有力的武器就是科學技術，人類戰勝大災大疫離不開科學發展和技術創新。要把疫情防控科研攻關作為科技戰線的一項重大而緊迫任務，綜合多學科力量，統一領導、協同推進，在堅持科學性、確保安全性的基礎上加快研發進度，儘快攻克疫情防控的重點難點問題，為打贏疫情防控人民戰爭、總體戰、阻擊戰提供強大科技支撐。
文章指出，要統籌病毒溯源及其傳播途徑研究，搞清楚病源從哪裡來、向哪裡去。利用病毒蛋白和不同受體的結合特徵，評估可疑動物作為中間宿主的可能性，利用人工智能、大數據等新技術開展流行病學和溯源調查，提高精準度和篩查效率。
如今，科技創新早已融入各行各業，尤其在醫療行業中，以人工智能、大數據等為首的前沿科技正賦能這個傳統行業向智能化邁進。儘管在此次疫情防控中，人工智能只是輔助診斷的方法之一，並未深入醫療領域的核心，但依舊展現出巨大的價值，大大提升了效率和準確率，未來必將得到更廣泛的應用和發展。
閱讀更多 AI報道 的文章
