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。
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，在主要地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的病變，且與其他病毒性肺炎、細菌性肺炎難以區分等。
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，特別是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而言能夠大大縮短。
利用人工智能技術對相關數據進行更深層次的分析，具體過程是通過CT掃描獲得數字化的影像，然後將影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。
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。
近年來，計算機技術與影像診斷的結合日益密切。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。預計該研究在一年左右完成，明年1—2月可投入臨床使用。
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。
雅安日報/北緯網記者 吳丹 整理
閱讀更多 生態雅安 的文章
