尽管全国疫情向好，但世界范围内的疫情形势仍然严峻。正如华山医院感染科主任张文宏教授所说：“疫情今夏结束基本已不可能！”与此同时，科技力量也成为全球抗击疫情的“生力军”，全面赋能医疗机构。

　　近日，中山大学孙逸仙纪念医院副院长林天歆在广东省疫情防控新闻发布会上宣布，其牵头开发了基于胸片和胸部 CT 的新型冠状病毒肺炎 AI 筛查和辅助诊断系统，20 秒可完成 CT 诊断，诊断准确率达到了 90%以上。与之前阿里达摩院研发的 AI 影像识别算法（20 秒诊断、96%准确率）的效果相近。

　　此外，四川大学华西医院、复旦大学、南开大学、阿里健康等多家医疗机构和企业也公布了 AI 辅助诊断系统的研发成功。

　　水平相当于省三甲医院副教授

　　据悉，该新冠肺炎 AI 筛查和辅助诊断系统是由中山大学孙逸仙纪念医院联合广东省实验室、清华大学、澳门科技大学以及康睿智能科技有限公司联合进行攻关。团队收集了来自广东、湖北、安徽、新疆、黑龙江等地部分医院的新冠肺炎病例相关数据，最终在 50 万份临床影像学大数据基础上，根据深度学习、迁移学习等 AI 技术，建立了基于胸部 CT 和 X 光的新冠肺炎 AI 辅助诊断系统。

　　林天歆介绍称，传统的人工阅片存在着速度比较慢、基层的医生经验不足容易漏诊等现象。根据以往 AI 开发的经验，人工智能技术的辅助有助于提高阅片医生的工作效率和准确性。相对于人工阅片，该系统有三个优势：

　　首先，能够快速地诊断新冠肺炎，但同时也保持了它的准确性。以往有经验的影像科医生看一个患者的 CT 大概要花 15 分钟到 20 分钟，而这个 AI 辅助系统可以在 20 秒内就完成 1 例患者 CT 的检测和诊断，并且准确率可以达到 90%，这个水平相当于一个省级三甲医院影像科副教授的水平。

　　其次，该系统还具有把病情的严重程度进行分级，预测疾病转归的功能。这个系统可以对胸部 CT 的每一个层面的结节、磨玻璃影和实变进行自动的识别、标注、定量分析。病情的严重程度跟患者的吸氧频度、吸氧饱和度、酸碱平衡以及肝功能、凝血功能等都有密切关系，所以系统可以帮助医生来判断患者会不会从普通型转变成重型、从重型转变成危重型，这样就有利于医生及早地来进行干预，来降低患者的死亡率。

　　此外，该系统能够协助医务人员进行药物疗效的评估。系统可以对同一个患者用药前后的 CT 影像进行分析对比，通过定量计算，看看这个病灶在用药前后是不是有变化，判断药物是否有效，指导临床的用药。

　　目前，这套 AI 辅助诊断系统已在中国科学院国家生物信息中心的云平台线上部署，并且已在中山大学孙逸仙纪念医院、中山大学附属第三医院、武汉大学人民医院、安徽医科大学第一附属医院和新疆喀什地区第一人民医院进行测试和使用，接下来将尽快在全省、全国推广应用。

　　林天歆还透露，目前研究小组正在解决系统稳定性，很快就可以在武汉金银潭医院、同济医院等使用，以后还将上线外语版本。国外的医疗机构可以通过云平台连接到 AI 系统使用。

　　用深度学习筛出最具诊断意义的 8-10 个特征

　　据悉，在疫情爆发后，广东省干细胞和再生医学重点实验室紧急启动了该项目。

　　由于核酸检测耗时长、咽拭子取材不当影响检出率等原因，胸部 CT 成了新冠肺炎临床诊断的重要依据。自第五版新冠肺炎诊疗方案开始，CT 诊断就被纳入了临床诊断标准中。

　　而 CT 阅片的难点主要来自三点：第一，一套胸部 CT 片子有近 300 个切面，阅片量极大。第二，基层医院，甚至部分市级医院，由于新发病例不多，医生通过胸部 CT 诊断新冠肺炎的准确性有待提高。第三，观察疗效时，需要花费大量时间逐层对比前后两次 CT。因此，引入人工智能进行辅助诊断成为势在必行。

　　随着临床诊断数据的积累，新冠肺炎的影像学大数据特征日益明晰。据悉，新冠肺炎 AI 筛查和辅助诊断系统的原理是在大数据的基础上进行归纳总结和应用。

　　根据新冠肺炎、其他病毒性肺炎、细菌性肺炎、其他肺部疾病以及正常胸部 CT 影像及其标准设置针对性算法，在此基础上进行深度学习，从几千个影像特征中筛选出最具有诊断意义的 8-10 个特征；最后利用上述特征与算法对各类胸部 CT 进行分层诊断：一是区分正常、肺炎和其他疾病，二是在肺炎基础上，再分为病毒性肺炎和细菌性肺炎，第三是将病毒性肺炎再分为新冠肺炎和非新冠肺炎。最后输出结果为新冠肺炎或非新冠肺炎。

　　AI 抗疫全面开花

　　无独有偶，四川大学华西医院的 AI 筛查与辅助诊断系统也在近日上线。

　　依托于“疾病流行病学大数据研究平台”，华西医院与四川希氏异构公司联合研发了“肺部多病变 CT 影像 AI 筛查与辅助诊断系统”。其汇聚了近 20 家医疗机构的医学研究支持，由华西医院放射科影像专家完成了临床确诊病例的遴选和标注。

　　3 月 13 日，该系统进行了实际运行测试。测试结果表明，系统运行良好，能够秒级发现疑似病变，包括“肺结节、肺癌、结核、病毒性肺炎、细菌性肺炎”等病症的影像特征，使医生工作量成倍减少。与此同时，系统还能对患者不同时期的胸部 CT 特征做出定量分析和对比，帮助医生进行疾病进展预测。该系统还可以免费供国内外有需求的医疗机构研究性使用。

　　同时，另有多家科研团队加入了 AI 辅助诊断新冠肺炎行列。例如，复旦大学计算机科学技术学院和大数据研究院联合上海市公共卫生临床中心放射科研发的系统在 2 月 21 日开始联试联调；南开大学计算机学院程明明教授团队联合北京推想科技有限公司研发的系统至今已运行 50 余天，并出口日本；北京实验室与北京清华长庚医院等单位的联合团队建成了人工智能 3D 重建引擎，能将传统 CT 医学影像数据自动分割重建为三维立体模型并显示在真实空间中……由此可见，相关技术已经多地全面开花。

　　此外，阿里健康也宣布，在国内数十家基层医院接入了 CT 影像 AI 辅助筛查技术。这项技术由阿里达摩院医疗 AI 团队设计，基于当前最新的诊疗方案、钟南山等多个权威团队发表的关于新冠肺炎患者临床特征的论文等研发。

　　2 月 15 日，在早期训练数据不足的情况下，达摩院团队仅基于 5000 多个病例的 CT 影像样本数据就成功研发出算法模型，通过 NLP 自然语言处理回顾性数据、使用CNN卷积神经网络训练 CT 影像的识别网络，AI 可以快速鉴别新冠肺炎影像与普通病毒性肺炎影像的区别，识别准确率高达 96%，识别病例耗时不到 20 秒。达摩院还与阿里云研发了辅助诊断算法，算法能根据患者基本信息、症状、实验室检查结果、流行病学史、影像报告等信息，辅助医生制定治疗方案。

　　3 月 13 日，阿里健康宣布，上述技术在国内数十家基层医院完成部署。天台县人民医院常务副院长裘银虹介绍称，天台医院日常每天要进行 700 多次 CT 检查，而在采用 AI 辅助筛查技术的两周内，已有近千例肺部 CT 由 AI 进行分析，大幅提升了诊断效率。3 月 17 日，达摩院医疗 AI 在武汉火神山医院上线。截止至 17 日，系统已在全国 160 多家医院上线，临床诊断 26 万病例。

　　国家高度重视

　　值得一提的是，人工智能在疫情防控中的重要作用得到了国家的高度重视。在 3 月 16 日出版的第 6 期《求是》杂志 发表了重要文章《为打赢疫情防控阻击战提供强大科技支撑》。

　　文章强调，人类同疾病较量最有力的武器就是科学技术，人类战胜大灾大疫离不开科学发展和技术创新。要把疫情防控科研攻关作为科技战线的一项重大而紧迫任务，综合多学科力量，统一领导、协同推进，在坚持科学性、确保安全性的基础上加快研发进度，尽快攻克疫情防控的重点难点问题，为打赢疫情防控人民战争、总体战、阻击战提供强大科技支撑。

　　文章指出，要统筹病毒溯源及其传播途径研究，搞清楚病源从哪里来、向哪里去。利用病毒蛋白和不同受体的结合特征，评估可疑动物作为中间宿主的可能性，利用人工智能、大数据等新技术开展流行病学和溯源调查，提高精准度和筛查效率。

　　如今，科技创新早已融入各行各业，尤其在医疗行业中，以人工智能、大数据等为首的前沿科技正赋能这个传统行业向智能化迈进。尽管在此次疫情防控中，人工智能只是辅助诊断的方法之一，并未深入医疗领域的核心，但依旧展现出巨大的价值，大大提升了效率和准确率，未来必将得到更广泛的应用和发展。