《Cell》中国正在使用人工智能筛选COVID-19肺炎

　　

发表在《Nature Medicine》和《Cell》杂志上的两项研究提出了一个观点：利用经过CT肺扫描训练的人工智能（AI）作为COVID-19感染者的快速诊断工具。

在中国，CT扫描已经被用作COVID-19诊断工具，但这种方法在美国还没有被广泛采用。随着COVID-19疫情第一波浪潮逐渐减弱，当一个毫不知情的患者还没有表现出COVID-19症状，带着Ta的健康问题来到医院，快速准确的诊断尤为重要。

目前，用RT-PCR分析鼻拭子样本被推荐为COVID-19的标准诊断策略，然而，供应短缺，等待结果时间长达，假阴性率高达1/5等问题让大规模COVID-19筛查工具的开发仍在继续。

SARS-CoV-2会损害肺组织，许多COVID-19患者发展为肺炎，可发展为呼吸衰竭，有时甚至死亡，所以医生们正在寻求一种新的诊断方法。

COVID-19肺炎不同于更常见的细菌性肺炎，其差异表现在胸部CT扫描上。最引人注目的是浑浊的病变模式，类似于不透明病变内的玻璃碎片或网状线，看起来像不规则的铺路砖，出现在双肺周围。细菌性肺炎的病变通常集中在一个肺部，也不像玻璃碎片。

澳门科技大学（Macau University of Science and Technology）的研究人员在《Cell》杂志上撰文，利用来自中国3777名患者的532000次CT扫描来训练他们的人工智能工具，重点关注COVID-19患者肺中出现的信号性病变。在几家中国医院的试点研究中，当人工智能模型应用于四个独立队列中417名患者的数据集时，至少85%的时间正确诊断了冠状病毒引起的肺炎。在7-12%的病例中，COVID肺炎被误诊为非COVID肺炎。

斯坦福大学医学中心（Stanford University Medical Center）的放射科医生Matthew Lungren评价：“这一小组在外部验证方面做了大量深入研究：他们拥有来自中国的大型数据集，并评估了它在许多家医院的表现。”

Lungren解释，在大量非特异性普通肺炎病例中，识别出极少数的COVID-19肺炎病例，对于冠状病毒逐渐成为地方病而不是肺炎的主要病因来说是很重要的。

“在基于人工智能的诊断中，一个拥有不同数据源的大型数据集对于获得可靠和可概括的结论至关重要，”这篇Cell文章的合作者、澳门科技大学医学教授张康说道。“在医疗保健领域，人工智能应用最具挑战性的问题之一是再现性差。”

使用CT扫描诊断COVID-19的一个挑战是，许多感染SARS-CoV-2的人都有严重的临床症状，如咳嗽和发烧，但在CT扫描中看不到任何生物标记物。西奈山医院的放射科医生Yang Yang说，Yang课题组根据胸部CT扫描也训练了一个COVID-19 AI模型，并在《Nature Medicine》杂志上报道了他们的结果。“如果医疗专业人员试图想比标准PCR方法更快地获得准确的COVID-19诊断，仅仅基于成像可能还不够。”

他们的模型将CT扫描结果与患者年龄、是否咳嗽或发烧、白细胞计数等临床表现结合起来，建立了作者称之为“融合模型”的模型，根据临床和影像学数据诊断COVID-19患者。他们的融合模型诊断COVID-19，在279名患者的测试中，准确率为83.5%。对比观察同一组图像，一位资深胸部放射科医生诊断COVID-19的准确率为84.6%。

Lungren评价说：“他们的方法论在几个方面上我认为对整个领域都非常重要，所有基于人工智能的成像数据诊断模型都将受益于额外的临床数据输入。

澳门大学的张教授说，中国至少有10家大医院，美国、印度、伊拉克和厄瓜多尔也有几家医院正在使用他的模型诊断疑似患有COVID-19肺炎的患者。他的团队已经公开了算法和训练数据集，供其他研究人员使用。

原文检索：Clinically applicable AI system for accurate diagnosis, quantitative measurements and prognosis of COVID-19 pneumonia using computed tomography

Artificial intelligence–enabled rapid diagnosis of patients with COVID-19