早發現、早診斷、早治療可明顯降低新型冠狀病毒感染者危重症發生率和死亡率，而AI算法與醫生經驗的結合，將為新冠肺炎乃至更多類型的肺炎疾病提供早發現、早診斷、早治療的高效解決方案。
“人工智能（AI）診斷系統在新型冠狀病毒肺炎檢測及肺炎鑑別診斷中的應用研究”等6個科研項目，最近獲得來自國防科工局推廣專項和蘇州市應急防治科技專項項目渠道的資助。
挖掘肉眼無法觀察的深層次信息
按照國家衛健委印發的《新型冠狀病毒肺炎診療方案（試行第七版）》，“影像學特徵”被列為新冠肺炎疑似病例臨床表現的三條之一。CT檢查在新冠肺炎診斷中起重要作用，在主要疫區一度作為臨床診斷的主要依據。但常規CT檢查也有不足，早期難以觀察到較隱匿病變，且與其他病毒性肺炎、細菌性肺炎難以區分等。
“通常影像診斷醫師靠人眼來辨別CT檢查圖像，通過對檢查產生的圖像進行觀察，根據其影像學表現，還有醫師個人經驗，做出主觀判斷。”相關項目負責人、核工業總醫院影像診斷科主任範國華表示，這有一定侷限性，主觀影響因素比較多，而且只能解讀表觀的一些圖像特徵。
與醫生肉眼觀察不同，人工智能可以將視覺影像信息轉化為深層次的特徵性的信息，而且這些信息是可量化的。
“利用人工智能技術建立起的這套智能診斷系統，一是對於比較早期的病變，肉眼觀察不太明顯的影像學改變，能夠檢測出來；二是定性比較準確，對病變能給出比較準確的診斷；另外整個流程的耗時相對人工能夠大大縮短。”範國華舉例說，一般一個成年人做一次胸部CT檢查會產生四五百幅薄層圖像，靠人工一幅一幅去看很費時費力，但是機器可以在幾秒鐘之內將這四五百幅圖像檢測完，而且不存在連續工作產生疲勞的問題。
獲取大樣本標準化的影像數據是難點
利用人工智能技術對圖像數據進行更深層次的分析，具體過程是通過CT掃描獲得數字化的圖像，然後將圖像數據導入軟件系統中進行分析，通過機器的“深度學習”建立模型。對建立的模型，使用一定數量的確診病例來驗證其是否可靠，然後用於檢測其他的未知病例。這種人工智能和影像診斷相結合的技術，此前多用於腫瘤的診斷。
要把這個AI“養大成人”，最終成熟到能夠幫助診斷，餵給它學習和訓練的“養料”就是數據。
“樣本量越大、標準化數據越多越好。但隨著研究的進行，要增大樣本量，單個醫院數據獲取有限，需要協調開展多中心研究，以擴大樣本量。”範國華說，獲取大樣本標準化的影像數據是難點。
做CT檢查時，各家醫院使用的機器設備、掃描參數等不盡相同。但做大樣本分析，要求所有的影像數據都是規範和標準的。在將影像數據交給機器前，需要對數據進行標記，正因如此，數據的精確標記對人工智能應用具有重要影響。這意味著要對病灶進行精確分割，“通常分割得越精確越好，但也是一個難點。”範國華說。
疫情後將用於肺炎的鑑別診斷
近年來，計算機技術與影像診斷的結合日益密切。範國華說，開展這項研究的出發點，是為臨床診斷提供一些幫助，探索較早的較準確的診斷方法。“目前已進行CT掃描技術的優化包括數據獲取標準化方面的工作，同時收集相關病例的影像學資料、臨床資料、實驗室檢測資料等，隨後利用這些數據進行建模。”範國華說，預計該研究在一年左右完成，明年1—2月可投入臨床使用。
如果新冠肺炎疫情已經過去，這項成果還有用嗎？
“我們希望能夠儘早得到實際應用。”範國華表示，不同的致病微生物都可能引起肺部的炎症，疫情後這套診斷系統將主要用於肺炎的檢測及鑑別診斷，用於某些需要關注的肺部炎症。
他同時謹慎表示，系統還在研究過程當中，目前尚處於研究初期，後續能達到什麼水平，還要看以後工作開展的情況。
儘管人工智能有優勢，但範國華認為機器還不能完全代替人的角色。
【醫健科技講堂】第四期預告
主題：《肺癌診療一體化解決方案》
時間：4月8日（週三）15:00-16:00
嘉賓：李愛東零氪科技 高級諮詢師
添加wx【jiankangwaner】進群獲取直播信息、往期回看
【醫健科技講堂】往期回顧
第一期 【觀點】從行業降本增效到疫情防控全程，如何構建更全面更有力的組織？
第二期 張春明：計算醫學——挖掘生物醫學大數據價值的新技術體系
第三期 如何用數據找準薄弱環節，提升醫院能力極限，這裡有一篇原理與方法論
閱讀更多 大健康Pai 的文章
