澳科大医学院在国际顶级期刊《Cell》发文:
人工智慧助力CT影像对新冠肺炎进行精准诊断、定量测量和重症预测

自年初新冠肺炎疫情暴发以来,全国各地及海内外医务人员齐心协力,使国内疫情得到了有效控制,但国际上,世界各国疫情防控问题依然很严峻。据世界卫生组织(WHO)统计,截至2020年4月26日,全球确诊病例2,897,645例,死亡202,880人,超过200多个国家和地区发现确诊病例。是次爆发的全球性的新冠肺炎已被世界卫生组织列为最高级别公共卫生紧急事件。

4月25日,澳门科技大学医学院张康教授作为第一作者和通讯作者在国际顶级期刊《细胞Cell》 发文“Clinically Applicable AI System for Accurate Diagnosis, Quantitative Measurements and Prognosis of COVID-19 Pneumonia Using Computed Tomography”(人工智慧助力CT影像对新冠肺炎进行精准诊断、定量测量和重症预测)。这是澳科大首次以第一完成单位在《细胞Cell》主刊发表研究论文。《细胞Cell》为一份同行评审科学期刊,主要发表生命科学领域中的最新研究发现,是全世界最权威及拥有高影响力的学术期刊之一。 ‬‬‬

澳科大医学院‬院长霍文逊表示: 由澳科大医学院张康教授带领的科研团队,与清华大学和中山大学孙逸仙纪念医院(中山大学附属第二医院)合作,联合广州再生医学与健康广东省实验室、四川大学华西医院等单位,合作研发了基于胸部CT影像的新冠肺炎AI辅助诊断系统,该系统可在20秒内高效区分新冠肺炎与其他病毒性肺炎并可预测危重等级,且精准度高达90%以上。新冠肺炎不仅可进展为严重急性呼吸窘迫症,还会影响多种组织和器官系统衰竭,导致预后差和死亡率高。因此,识别风险因素并提前预测重症对于早期干预和更好的治疗结果至关重要。‬‬‬‬‬‬

新冠肺炎AI影像辅助诊断系统(CT诊断)介面

张康教授对是次研究解释到,由20位10至15年以上资深的影像科专家小组对数据进行分级质量控制后构建了一个50万的影像数据集。AI团队运用深度学习、语义分割、多个神经网路架构等创建一个包含文本分析、量化分析和诊断分类在内的三大模块的AI诊断模型。文本的定性分析来区分NCP(新冠肺炎)与OVP(其他病毒性肺炎);再通过定量测量分割后的肺病灶,如毛玻璃影的体积比和实变体积比。此外,基于国际标上肺病变与肺及肝损伤相关研究结果以及临床指标,而制定了一个综合评分系统,该系统可对NCP危重病变进行精准预测,预测结果对预后干预和治疗具有重要价值,尤其对用药后的病程对比,进而指导临床用药。该项技术推进了精准医疗、智慧医疗和纵向随访的发展步伐,也提出一种新的预防建议,即除了改善肺功能外,还可通过保护其他重要器官和稳定系统回圈特性来预防进展为危重疾病。

该AI模型以高精准度和高效率的优势,不仅可以辅助临床医生做断诊决策,提高诊断准确率,缓解对诊断专业知识的需求,还可以减少其工作量,加快诊断效率,节省患者等待时间。为病情进展和预后管理提供有效依据。随着该成果的发布,一个高质量、大规模的影像数据库也随之面世,技术代码亦与全世界分享。这不仅代表了技术上的突破性进展,还为国际上对新冠肺炎研究做出巨大贡献。同时,‬该新冠肺炎AI影像辅助诊断系统已经过多次演算法更迭与系统升级,目前最新双语版本已在国内外多家试点医院完成落地部署,且受到各界高度认可。