澳科大醫學院人工智慧診斷新冠肺炎再獲重大突破
研究論文在國際頂級期刊發表

張康講座教授

自2019年末,新冠肺炎疫情爆發以來,澳門科技大學醫學院和科大醫院積極投身疫情攻關研究。於2020年4月基於50萬張胸部CT影像成功研發出人工智慧影像學輔助診斷新冠肺炎系統,精准度高達90%以上,在國際上多個單位部署使用,且受到各界的高度評價與肯定,為全球抗疫做出了突出貢獻。然而,胸部CT掃描並不是一個臨床一線工具,它需要更多的時間進行且費用較貴,並且在偏遠地區不容易獲得,因此限制了它的應用範圍。而通過X-光胸片(CXR)診斷作為一種臨床一線工具,是世界範圍內篩查、分診和診斷各種肺炎(包括細菌性、病毒性和其他類型的肺炎)的最常用手段。國際上常見的肺部疾病更多是通過CXR進行診斷,因為它周轉時間更快,在重症監護環境下使用更方便。

4月15日,澳門科技大學醫學院張康講座教授作為主要通訊作者,參與並聯合多個單位在人工智慧診斷新冠肺炎研究上再創佳績,在國際頂級期刊《Nature Biomedical Engineering》發文“A deep-learning pipeline for the diagnosis and discrimination of viral, non-viral and COVID-19 pneumonia from chest X-ray images”(通過CXR影像診斷和鑒別病毒性、非病毒性和新冠肺炎的深度學習系統)。

澳科大醫學院‬院長霍文遜表示,醫學院張康講座教授帶領的科研團隊與國內外多個單位合作,突破資料多源異構等局限性並攻克重重難關。基於大量多源異構的CXR資料集,開發了一套診斷新冠肺炎和其他常見肺部疾病的深度學習系統,說明放射科醫生準確、快速地區分新冠肺炎和其他類型肺炎,常見肺部疾病及正常患者並評估其嚴重性。深度學習系統在四個患者佇列和多個國家的CRX圖像進行了回顧性和前瞻性測試,準確率高達90%以上。令人鼓舞的是,在一組獨立的440張CXR圖像診斷測試中,該系統與高資歷的放射科醫生的表現相當,還可提高初級放射科醫生的診斷準確性。

張康講座教授對是次研究表示,當下由於對醫學圖像缺乏臨床評估的黃金標準,人工智慧系統推廣應用於其他環境的泛化能力不足,以及深度學習演算法的內部決策過程仍然不透明等原因,阻礙了人工智慧系統的臨床轉化與應用。為了CXR圖像的標準化,病灶的視覺化和精准診斷新冠肺炎和其他常見肺部疾病,基於12萬個患者的145,000張CXR圖像,團隊成功開發了一套準確的人工智慧系統,該系統從病灶標記、檢測、配准、分割和診斷預測在內的模組化處理流程,提供了穩固且可解釋的結果,可以幫助放射科醫生準確、快速地區分新冠肺炎及其他類型肺炎, 其他常見肺部疾病及正常患者並評估其嚴重性,而且還能識別很難被放射科醫生發現的肺部彌漫性病變特徵等優勢。

該自動化深度學習系統可用於肺炎和常見肺部疾病評估,可作為急症室、偏遠地區或發展中國家的一線診斷工具,促進早期干預,並為臨床決策提供重要的支援。由於該系統可迅速部署到醫療中心,提供第一線評估,快速周轉時間,解決公共衛生問題至關重要。該項技術為進一步推進精准醫療和智慧醫療,為全球抗疫工作做出重要貢獻。本研究的大量CXR影像資料和代碼為抗疫向全球開放,由中國國家生物信息中心大灣區節點向世界發佈。

有關研究論文,可瀏覽《自然–生物醫學工程》 (Nature biomedical engineering) 連結:https://www.nature.com/articles/s41551-021-00704-1