新型冠狀病毒SARS-CoV-2於2019年12月初開始爆發疫情。這種病病毒感染的平均潛伏期為5.2天，可引起發熱、咳嗽和其他流感樣症狀。它可影響多個組織和器官系統，病毒引起的疾病統稱為COVID-19。許多受影響的患者會發生肺炎（novel coronavirus pneumonia，NCP，新冠肺炎），並迅速進展為嚴重的急性呼吸衰竭，預後非常差，病死率很高。已確定存在人與人之間的傳播，世界衛生組織（WHO）宣佈COVID-19為大流行。有研究表明，一旦進展到重症/危重病階段，超過60%的患者死亡。因此，識別危險因素和參數，建立準確的預後預測模型，在這樣的大流行中，對規劃早期干預和加強監測至關重要，有望能夠改善臨床預後。
目前，對於有發熱、咳嗽和流感症狀的患者，首先會通過臨床評估、實驗室檢查、胸部X光檢查來排除肺炎。如果確診為病毒性肺炎，由於明顯的公共衛生原因，能夠診斷出NCP是最重要的。COVID-19診斷可通過聚合酶鏈式反應（PCR）測試陽性來確診。胸部計算機斷層掃描（CT）影像學檢查是一種診斷包括肺炎在內的肺部疾病的重要手段。與標準實驗室進行的分子診斷檢查相比，CT掃描過程的週轉時間更快，可以提供更詳細的病理相關信息，更好地定量測定病灶大小和肺部受累程度/嚴重性，這可能具有預後意義。由於季節性流感也會引起病毒性肺炎，因此，將NCP與普通流感或其他類型的肺炎（比如病毒性肺炎和細菌性肺炎）區分開來也很重要。因此，一種準確的基於CT的人工智能（AI）系統可能幫助早期診斷，以便於規劃、監測和治療，併為縱向隨訪提供參考。
最近，AI在許多醫療領域中的應用取得了令人振奮的新進展，這些新進展激發了基於AI的新型放射診斷技術的創新性開發。Chen等人回顧了胸部薄層CT的各種定量模型，顯示了定量工具在精準診斷和縱向隨訪中的有效性。另一項研究顯示，深度學習算法有助於識別頭部CT掃描異常，可輔助臨床分診。近期的研究展示了將AI整合到眼科和兒童疾病診斷系統中的潛力，並發現這可以顯著提高臨床診斷效率和準確性。
隨著CT掃描工具的更加精確，在一項新的研究中，來自中國澳門科技大學、四川大學華西醫院、廣州再生醫學與健康廣東省實驗室、清華大學、中山大學、三峽大學、安徽醫科大學、武漢大學、廣州醫科大學、雲南省第一人民醫院、香港理工大學和廣州康睿智能科技公司（Guangzhou Kangrui AI Technology）的研究人員假設可以建立一種能夠準確診斷NCP的AI系統，這將有助於放射科醫生和臨床醫生對提示存在COVID-19 NCP症狀的患者進行管理。相關研究結果以論文手稿的形式在線發表在Cell期刊上，論文標題為“Clinically applicable AI System for Accurate Diagnosis, Quantitative Measurements and Prognosis of COVID-19 Pneumonia Using Computed Tomography”。
圖1.這些作者提出的人工智能框架用於NCP診斷和預後預測，圖片來自Cell, 2020, doi:10.1016/j.cell.2020.04.
另一個迫切的需求是識別出急性呼吸衰竭風險較高的患者，以便更早地對其進行嚴密監測，及早進行干預治療，否則，這類患者最終發生多器官衰竭的幾率較高，並伴有較高的死亡率。鑑於包括病灶的數量、大小和密度在內的病灶特徵和肺實質的整體情況是衡量肺部損傷和肺部剩餘儲備的指標，因此，這些作者還測試了這樣的一種假說，即是否可以利用臨床數據和CT參數建立一種AI系統以便產生準確的臨床預後模型，從而讓臨床醫生能夠制定對這類患者進行早期監測和管理的計劃。據此，這些作者構建了一個針對NCP、其他常見肺炎和正常對照組的CT大數據集，並建立了一種用於輔助準確診斷的AI診斷系統，用於中國的1個流行病區和2個非流行病區。他們還結合CT和臨床參數，為NCP患者提供了預後指徵，旨在為醫生提供另一種輔助診斷工具（圖1）。
在這項新的研究中，這些作者描述了一種基於胸部CT圖像診斷COVID-19肺炎的AI系統。這種AI系統的性能與具有豐富臨床經驗的執業放射科醫生相當，可以幫助和提高初級放射科醫生的表現。開展這種AI研究工作的驅動力是希望開發出一種快速診斷NCP的系統，以協助放射科醫生和臨床醫生對抗這一流行病。這樣的AI系統還可以在大流行時或在偏遠地區的衛生系統超負荷工作時，緩解對診斷專家的大量需求。目前，這些作者開發出的這種AI系統作為一種高效的首診/篩查工具，可以幫助放射科醫生和臨床醫生，這是因為這可能會減少患者的等待時間，縮短診斷工作流程時間，從而減輕放射科醫生的整體工作量，讓他們在緊急情況下能更快速、更有效地做出反應。通過CT掃描對不同肺部損傷參數的精確測量，還將可以對疾病的嚴重程度進行客觀、定量的測量，並有可能對包括抗病毒藥物和其他免疫調節劑在內的藥物治療對肺部病灶的療效進行客觀、定量的評估。
這些作者開發出的這種AI系統評估的CT掃描中的病灶特徵與基於其他器官系統實驗室參數評估的疾病嚴重程度的臨床和生化證據的之間相關性突出了COVID-19中的不同器官的發病相互聯繫。從致病機理的角度來看，這項新的研究只能顯示出相關性，但並沒有涉及到這種相互聯繫是直接通過這些器官的病毒感染而建立，還是通過呼吸衰竭的繼發性而建立，這有待於通過其他致病機理研究來確定。與其他臨床參數相比，肺部病灶與預後的相關性較高，這確實突出了肺部損傷作為一種關鍵參數在整體預後意義中的重要性。年齡與預後的相關性與最近的報道---年齡大是預後不良的一個重要危險因素---相一致。對作為預後因素的其他參數（包括CRP、血清鈉濃度、血清白蛋白、血小板計數）的確定與多器官功能衰竭患者中觀察到的預後因素相一致。肝臟和腎臟生化特性與預後的關聯性可能是重症/危重症COVID-19患者中觀察到的多器官衰竭的另一個反映，不過這項新的研究還不能確定是否有病毒直接累及這些器官。
基於這些作者開發的這種AI系統，利用CT參數和臨床數據開發出的臨床預後模型，是AI輔助臨床管理的一個重要進步。基於這些作者建立的數據庫，他們能夠確定，根據他們目前的模型，綜合評分>0.5的患者為高危人群，這意味著這些患者最終可能發生疾病進展（即病情惡化），需要進入重症監護室、接受機械通氣，甚至死亡。重要的是，他們還可以提供一個估計的進展時間。這些信息將幫助臨床醫生規劃監測和分配重症監護室的資源，一旦發生疫情，醫療系統將有更多的時間來應對對資源的需求。
綜上所述，這些作者建立了一種能夠準確診斷NCP並協助放射科醫生和臨床醫生進行診斷的AI系統。觀察到根據CT參數評估的NCP肺部病灶與多器官臨床和生化標誌物之間存在良好的相關性，這突出了COVID-19中觀察到的多器官衰竭。結合它的臨床預後估計功能，這種AI系統可以幫助放射科醫生和急診科醫生、肺科醫生等內科醫生快速準確診斷患者，並通過產生的預後估計，可以幫助醫生確定需要密切監測和早期干預/支持的患者亞群，以及這些需求的估計時間。
由於這種AI系統可能有助於全球的醫生和醫療系統在這次大流行期間更好地管理患者，因此這些作者正在向所有放射科醫生和臨床醫生開放這種AI系統，並希望這可以幫助他們管理患者和他們的輸入數據，從而可能會進一步完善這種AI系統。這些作者希望它可以發展成為全球社區對抗COVID和其他新興病毒感染的通用工具。（生物谷 Bioon.com）
參考資料：
Kang Zhang et al. Clinically applicable AI System for Accurate Diagnosis, Quantitative Measurements and Prognosis of COVID-19 Pneumonia Using Computed Tomography. Cell, 2020, doi:10.1016/j.cell.2020.04.045.
