日前，顶尖学术期刊《细胞》在线发表了一篇关于新冠疾病诊断的最新论文。由华人科学家主导的一支科研团队开发了一款人工智能（AI）工具，可以根据胸部的CT影像，准确做出新冠肺炎的诊断。本论文由清华大学、中山大学、澳门科技大学等机构联手合作完成，通讯作者为张康，王光宇，林天歆，何健行，李为民，这一工具目前已向全世界医务人员公开。

    在中国，新冠疫情已经得到了充分的控制。而在全球范围内，许多国家和地区依旧面临着这种传染病的威胁。为了防止疫情扩大，并及时对感染者进行治疗，快速而准确的诊断技术是关键：一方面，在呼吸道疾病的高发时节，很多人都会出现肺部炎症。准确的诊断能剔除感染其他病原体的病患，方便他们接受单独的治疗，从而减少暴露于新冠病毒的风险；另一方面，从目前数据来看，出现急性呼吸衰竭的病患有着很高的死亡率，而他们先前大多都有肺部炎症。如果我们能第一时间找到新冠肺炎的迹象，就能在呼吸衰竭出现之前对他们进行治疗。

　　在一线的治疗中，CT影像是重要的诊断工具。相较在标准实验室里进行的分子检测，CT扫描的速度更快，也能更直观地观察到肺部的病理学特征。我们知道，“阅读”CT影像数据，正是AI在医疗领域应用的强项之一。早在2018年，张康教授团队就曾在《细胞》杂志上发表文章，介绍了一款能够基于X线胸片来区分儿童细菌性肺炎和病毒性肺炎的AI工具。次年其团队开发了一款诊断儿童病历的AI（相关阅读：《自然》子刊：AI阅读病历，理解患者病情，推荐临床诊断，准确度超过年轻医生！夏慧敏/张康联合团队带来AI诊疗里程碑突破）。

▲本AI工具的开发流程（图片来源：参考资料[1]）

　　在这项工作中，科学家们基于3777名患者总计53万多张的CT影像，开发了一款新冠肺炎的AI诊断系统。不同于传统的端到端的深度学习模型，这套诊断系统融合了两步不同的模型，第一步是基于语义分割的“肺部病灶”模型，其次是基于生成的肺-病灶图谱，将病人的整个CT （大约100-300张切片）作为输入，进一步构建智能诊断模型。这一工作可以避免“黑箱”模型在实际医疗应用中的缺陷，提高AI诊断系统的可解释性和泛化性能，也可以提高诊断的准确度。通过研究来自新冠肺炎患者、普通肺炎患者、以及对照组的CT影像数据，AI学会了对其进行区分。

　　研究人员们报道说，在自我测试中，这套AI系统诊断新冠肺炎的准确率达到了92.49%（灵敏度94.93%，特异性91.13%）。利用来自不同地区的不同数据集，这套AI诊断系统经受住了真实世界的考验——利用回溯性数据及前瞻研究，该AI系统均可达到90%左右的准确率，即便是使用海外的CT数据，这套系统也达到了84.11%的准确率。这一系列研究结果表明，科学家们开发的这套AI诊断系统无论是采用中国数据，还是国际数据，都能取得较好的表现。

▲这套系统可以辅助年资较低的医生，提高他们的读片能力（图片来源：参考资料[1]）

　　与人类医生相比，研究人员们发现AI系统的表现远超过年资较低的医生，而与中级/资深放射科专家的表现差不多。这一结果表明AI系统可以协助经验较少的医生来做出诊断，快速将他们的读片能力提高到和资深医生接近的水平。在医疗资源紧张，资深医生难求的国家和地区，这套系统的重要意义不言而喻。

　　值得一提的是，这套AI系统还基于CT的量化特征及临床资料，识别出了一些与患者预后有关的临床特征，发现COVID-19疾病不仅仅会影响呼吸系统的功能，还会影响到其他多个器官。另外，它也有望为临床预后提供更为准确的预测模型和生存曲线分析，便于医务人员及时介入，进行治疗。

　　总结来看，在大量临床CT影像的支持下，研究人员们开发出了一款AI系统，能够准确地从出现不同症状的患者中，准确挑选出发生新冠肺炎的患者。这不仅能用于临床的快速诊断和治疗，还能协助训练资历较浅的医生，帮助他们快速成长。

▲期待全球早日终结新冠疫情（图片来源：药明康德内容团队）

　　最后，科学家们宣布，为了更好地帮助全球控制疫情，他们将免费公开这一AI工具，协助来自不同国家和地区的医务人员。我们向这些科学家致敬，也期待全球能够早日终结新冠疫情！