早发现早诊断肺炎疾病，AI给医生一双“火眼金睛”

最近，在内蒙古自治区远程医疗中心，专家正在检查病人的肺部状况。新华社记者刘雷摄

早期发现、早期诊断和早期治疗可以显著降低新型冠状病毒危重症患者的发病率和死亡率。人工智能算法和医生经验的结合，将为新诊断的肺炎和更多类型的肺炎疾病提供早期发现、早期诊断和早期治疗的有效解决方案。

包括“人工智能诊断系统在新型冠状病毒肺炎检测和鉴别诊断中的应用研究”在内的六个科研项目，最近获得了国防科技局推广项目和苏州市应急防控科技项目的资助。

挖掘肉眼无法观察到的深层信息

根据国家卫生和安全委员会发布的《新型冠状病毒诊断和治疗方案(试行7版)》，影像学特征被列为新诊断肺炎疑似病例的三种临床表现之一。CT检查在新发肺炎的诊断中起着重要作用，曾是主要疫区临床诊断的主要依据。然而，常规的CT检查也有其缺点，这使得很难在早期观察到相对隐蔽的病变并将其与其他病毒性肺炎和细菌性肺炎相区别。

通常，图像诊断师依靠人眼来区分CT检查图像。通过观察检查产生的图像，他可以根据自己的成像表现和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部主任范国华表示，这有一定的局限性，主观因素较多，只能解释一些明显的影像特征。

与医生的视觉观察不同，人工智能可以将视觉图像信息转化为深层的特征信息，并且这些信息是可以量化的。

“这套利用人工智能技术建立的智能诊断系统能够检测出肉眼观察到的不太明显的成像变化的相对早期的病变。第二，定性分析更准确，这可以给出更准确的病变诊断。此外，与手工劳动相比，整个过程的时间消耗可以大大缩短。”例如，范国华说，一般来说，一个成年人做胸部CT检查会产生400到500个薄层图像。手动逐个查看这些图像既费时又费力，但机器可以在几秒钟内检测出这400到500张图像，而且不存在连续工作导致的疲劳问题。

很难获得大样本的标准化图像数据。

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扫描获得数字化图像，然后将图像数据导入软件系统进行分析，并通过机器的“深度学习”建立模型。对于所建立的模型，使用一定数量的已确认病例来验证其可靠性，然后用于检测其他未知病例。这种人工智能和图像诊断的结合以前已经用于肿瘤诊断。

为了“培养”这种人工智能，并最终成熟到足以帮助诊断，其研究和训练的“营养”是数据。

“样本规模越大，标准化数据越多越好。然而，随着研究的进展，为了增加样本量，单个医院的数据采集是有限的，需要协调多中心研究来扩大样本量。”范国华表示，很难用大样本获得标准化的图像数据。

在CT检查期间，不同的医院使用不同的机器、扫描参数等。然而，大样本分析要求所有图像数据标准化和标准化。在图像数据移交给机器之前，有必要对数据进行标记。因此，数据的准确标记对人工智能的应用有着重要的影响。这意味着病变的精确分割，“通常分割越精确越好，但这也是一个难点。”范国华说道。

用于疫情后肺炎的鉴别诊断。

近年来，计算机技术与图像诊断的结合越来越紧密。范国华表示，本次研究的出发点是为临床诊断提供一些帮助，探索更早、更准确的诊断方法。“目前，CT扫描技术的优化包括数据采集的标准化、成像数据的收集、临床数据、实验室测试数据等。以及随后使用这些数据进行建模。”范国华说，这项研究预计在一年左右完成，明年1月至2月可以投入临床使用。

如果新的冠状肺炎疫情已经过去，这一成就还有用吗？

"我们希望能够尽快得到实际应用."范国华说，不同的病原微生物可能会引起肺部炎症。流行后，该诊断系统将主要用于肺炎的检测和鉴别诊断，以及一些需要注意的肺部炎症。

与此同时，他谨慎地表示，该系统仍在研究过程中，仍处于初步研究阶段。后续工作的水平将取决于今后工作的发展。

尽管人工智能有很多优点，但范国华认为机器不能完全取代人类的角色。