早发现早诊断肺炎疾病，AI给医生一双“火眼金睛”

早发现、早诊断、早治疗可明显降低新型冠状病毒感染者危重症发生率和死亡率，而AI算法与医生经验的结合，将为新冠肺炎乃至更多类型的肺炎疾病提供早发现、早诊断、早治疗的高效解决方案。

“人工智能（AI）诊断系统在新型冠状病毒肺炎检测及肺炎鉴别诊断中的应用研究”等6个科研项目，近获得来自国防科工局推广专项和苏州市应急防治科技专项项目渠道的资助。

挖掘肉眼无法观察的深层次信息

按照国家卫健委印发的《新型冠状病毒肺炎诊疗方案（试行第七版）》，“影像学特征”被列为新冠肺炎疑似病例临床表现的三条之一。CT检查在新冠肺炎诊断中起重要作用，在主要疫区一度作为临床诊断的主要依据。但常规CT检查也有不足，早期难以观察到较隐匿病变，且与其他病毒性肺炎、细菌性肺炎难以区分等。

“通常影像诊断医师靠人眼来辨别CT检查图像，通过对检查产生的图像进行观察，根据其影像学表现，还有医师个人经验，做出主观判断。”相关项目负责人、核工业总医院影像诊断科主任范国华表示，这有一定局限性，主观影响因素比较多，而且只能解读表观的一些图像特征。

与医生肉眼观察不同，人工智能可以将视觉影像信息转化为深层次的特征性的信息，而且这些信息是可量化的。

“利用人工智能技术建立起的这套智能诊断系统，一是对于比较早期的病变，肉眼观察不太明显的影像学改变，能够检测出来；二是定性比较准确，对病变能给出比较准确的诊断；另外整个流程的耗时相对人工能够大大缩短。”范国华举例说，一般一个成年人做一次胸部CT检查会产生四五百幅薄层图像，靠人工一幅一幅去看很费时费力，但是机器可以在几秒钟之内将这四五百幅图像检测完，而且不存在连续工作产生疲劳的问题。

获取大样本标准化的影像数据是难点

利用人工智能技术对图像数据进行更深层次的分析，具体过程是通过CT扫描获得数字化的图像，然后将图像数据导入软件系统中进行分析，通过机器的“深度学习”建立模型。对建立的模型，使用一定数量的确诊病例来验证其是否可靠，然后用于检测其他的未知病例。这种人工智能和影像诊断相结合的技术，此前多用于肿瘤的诊断。

要把这个AI“养大成人”，终成熟到能够帮助诊断，喂给它学习和训练的“养料”就是数据。

“样本量越大、标准化数据越多越好。但随着研究的进行，要增大样本量，单个医院数据获取有限，需要协调开展多中心研究，以扩大样本量。”范国华说，获取大样本标准化的影像数据是难点。

做CT检查时，各家医院使用的机器设备、扫描参数等不尽相同。但做大样本分析，要求所有的影像数据都是规范和标准的。在将影像数据交给机器前，需要对数据进行标记，正因如此，数据的精确标记对人工智能应用具有重要影响。这意味着要对病灶进行精确分割，“通常分割得越精确越好，但也是一个难点。”范国华说。

疫情后将用于肺炎的鉴别诊断

近年来，计算机技术与影像诊断的结合日益密切。范国华说，开展这项研究的出发点，是为临床诊断提供一些帮助，探索较早的较准确的诊断方法。“目前已进行CT扫描技术的优化包括数据获取标准化方面的工作，同时收集相关病例的影像学资料、临床资料、实验室检测资料等，随后利用这些数据进行建模。”范国华说，预计该研究在一年左右完成，明年1—2月可投入临床使用。

如果新冠肺炎疫情已经过去，这项成果还有用吗？

“我们希望能够尽早得到实际应用。”范国华表示，不同的致病微生物都可能引起肺部的炎症，疫情后这套诊断系统将主要用于肺炎的检测及鉴别诊断，用于某些需要关注的肺部炎症。

他同时谨慎表示，系统还在研究过程当中，目前尚处于研究初期，后续能达到什么水平，还要看以后工作开展的情况。

尽管人工智能有优势，但范国华认为机器还不能完全代替人的角色。