首發丨李蘭娟院士團隊最新成果：人工智慧輔助COVID-19影像學識別——AI技術從實驗室走向臨床

本文選自中國工程院院刊《Engineering》網絡首發文章

作者：徐小微，蔣賢高，馬春蓮，杜鵬，李旭坤，呂雙志，俞亮，倪勤，陳燕飛，蘇俊威，郎觀晶，李永濤，趙宏，劉俊，徐凱進，阮凌翔，盛吉芳，裘雲慶，吳煒，梁廷波，李蘭娟

來源：A Deep Learning System to Screen Novel Coronavirus Disease 2019 Pneumonia. Engineering. 2020.

https://doi.org/10.1016/j.eng.2020.04.010

導語

近年來，人工智慧（AI）在醫學領域取得長足的發展，AI技術正逐漸走出實驗室，走向臨床及公共衛生應用。AI技術不僅可以用於對醫療圖像定量數位化分析，為診斷提供指導, 還可以用於流行病早期預警, 醫療大數據智能分析等廣泛領域。

2019年底暴發的新型冠狀病毒病（COVID-19）造成了嚴重的公共衛生安全問題。在疫情初期，COVID-19的確診有待新型冠狀病毒核酸檢測，但核酸檢測的滯後性、檢出率低等問題，使得一些患者沒有得到及時診斷、隔離和治療，從而成為潛在傳染源，不利於疫情控制。

疫情期間，課題組收集了浙江省2020年1月10日—2月14日收治的110例COVID-19患者CT影像資料，利用人工智慧（AI）技術與224例甲型流感及175健康人的肺部CT影像進行鑑別，實現了AI技術對COVID-19患者肺部CT自動識別，輔助臨床早期篩查COVID-19患者的目的 。

相關研究成果近期發表於中國工程院院刊《Engineering》。

2019年底暴發的新型冠狀病毒病（COVID-19）造成了嚴重的公共衛生安全問題。在疫情初期，COVID-19的確診有待新型冠狀病毒核酸檢測。但是核酸檢測有滯後性，且檢出率低，許多病例要重複2~3次檢測。部分患者已有肺部影像學表現，但早期無痰，常規鼻咽拭子病毒檢測陰性。這些患者沒有得到及時診斷、隔離和治療，從而成為潛在傳染源，不利於疫情控制。

浙江大學醫學院附屬第一醫院傳染病診治國家重點實驗室作為COVID-19定點收治醫院，從2020年1月19日開始收治COVID-19患者，並負責全省危重患者的救治。作為臨床醫生，我們觀察到COVID-19患者的CT影像表現有其獨特性，與其他病毒性肺炎CT影像表現不同。CT診斷可以作為核酸和抗體檢測的技術補充，提高COVID-19的檢出率。同時，2月初也有多名抗疫一線的醫務專家向湖北省新型冠狀病毒防控總指揮部提交了「關於推薦以CT影像作為2019-nCoV肺炎主要診斷依據的建議」，此建議被納入國家衛健委2月5日發布的《新型冠狀病毒感染的肺炎的診療方案（試行第五版）》。

課題組收集了浙江省2020年1月10日—2月14日收治的110例COVID-19患者CT影像資料，利用人工智慧（AI）技術與224例甲型流感及175健康人的肺部CT影像進行鑑別，實現COVID-19患者的肺部CT自動識別，輔助臨床早期篩查COVID-19，準確率達86.7 % 。

2020年2月20日，我們的研究結果以預印本形式在康奈爾大學arXiv.org公開，是全世界第一個發表此類研究的團隊。很快，課題組陸續收到世界各國學者來信，有的來自谷歌、斯坦福、美國阿貢國家實驗室等知名機構, 有的來自義大利、韓國、伊朗、土耳其、印度等疫情嚴重國家。

截至2020年5月底，全世界有50餘篇文章以預印本的方式發表，探討AI技術輔助COVID-19早期篩查的可行性。國內有上海聯影、清華大學等團隊，探索用AI方法自動分割COVID-19患者肺部CT的病灶大小。我們課題組也已進一步完成了AI輔助計算肺部CT病灶體積，正在開展利用AI模型進行門診或社區患者篩查，以及對危重症患者的早期預警等研究。

近年來，AI在醫學領域取得長足的發展，比如肺結節、眼底病變、肝臟良惡性腫瘤鑑別等。AI模型可以把專家的知識體系固化到模型中，隨著學習樣本數量增多, 分析準確率隨之提高。AI技術不僅可以用於對醫療圖像定量數位化分析，為診斷提供指導, 還可以用於流行病早期預警, 醫療大數據智能分析等廣泛領域。

經過幾年的技術儲備，目前AI技術正逐漸走出實驗室，走向臨床及公共衛生應用。比如在這次COVID-19疫情中，由約翰·霍普金斯大學勞倫·加德納副教授與中國博士留學生董恩生創建COVID-19追蹤系統，成為全球最為權威的、引用最多的數據系統。

去年，谷歌和梅奧診所宣布了一項為期10年的戰略合作。谷歌將幫助梅奧制定數字戰略、AI工具路線圖，為嚴重和複雜的疾病創建機器學習模型，成為其數位化轉型的「基石」。梅奧診所則在慢病管理、診後隨訪、虛擬護理等多個場景上利用AI技術，促進疾病的診斷和治療。

在AI技術走向應用的過程中，未來AI醫療會有哪些變化？

首先，醫務工作者，包括臨床醫生、疾控人員、臨床輔助科室及行政管理人員等，必將成為未來AI醫療的主導力量。因為只有他們熟悉醫療工作的各個環節，會從醫療實踐中挖掘專業需求，利用AI技術加以改進；只有他們可以將AI技術與目前使用的臨床流程及信息系統相集成，融入應用中；也只有他們可以開展臨床實驗，評價AI技術，收集有效性的證據。他們是臨床數據真正的生產者和使用者。

以我們經驗為例，發起這次研究的是臨床一線工作人員，包括感染科醫生，放射科醫生，有些在本地參加防疫工作，有些參加援鄂醫療隊，對於疫情防治有最深刻和最直接的感受。

其次，AI技術將普及，計算機人員和醫務工作者將進一步密切合作。我們實驗室和AI技術人員幾年來在肺部感染、肝腫瘤分割等領域密切合作，前期積累的經驗使我們可以在短期之內完成COVID-19篩查模型，準確率不低於國外同行。

中國AI技術目前處於世界領先位置，中國醫療資源豐富，如何把握時機，推進中國AI醫療技術發展成為世界一流水平值得我們進一步思考。我們的建議是：調動醫務工作者的積極性，讓他們理解AI技術，樂於與AI技術人員合作，主動發現問題，解決問題，改進醫療工作的各個環節，迎接智能醫療時代的到來。

撰稿丨徐小微、吳煒

校對丨吳佳明

註：本文內容呈現形式略有調整，若需可查看原文。

改編原文：

Xiaowei Xu , Xiangao Jiang, Chunlian Ma, Peng Du, Xukun Li ,Shuangzhi Lv , Liang Yu, Qin Ni, Yanfei Chen, Junwei Su, Guanjing Lang, Yongtao Li, Hong Zhao, Jun Liu, Kaijin Xu, Lingxiang Ruan, Jifang Sheng, Yunqing Qiu, Wei Wu, Tingbo Liang, Lanjuan Li.

A Deep Learning System to Screen Novel Coronavirus Disease 2019 Pneumonia. Engineering. 2020. https://doi.org/10.1016/j.eng.2020.04.010

作者介紹

李蘭娟，感染病（傳染病）學家，中國工程院院士。

從事傳染病臨床、科研和教學工作40餘年，擅長各類肝炎、感染性疾病、新發突發傳染病診治，尤其是肝衰竭、病毒性肝炎、肝病微生態研究。作為我國人工肝開拓者，創建獨特有效的李氏人工肝支持系統治療重型肝炎獲重大突破。首次提出感染微生態學理論，從微生態角度來審視感染的發生、發展和結局，為感染防治提供了嶄新的思路，還從基因的角度首次揭示腸道菌群與肝硬化的秘密。

李蘭娟院士團隊最新成果：COVID-19患者臨床結局改善可能性的預測列線圖模型

張伯禮院士團隊：新冠肺炎臨床療效評價哪些指標更重要？

前沿研究：動物疫病防控專題

中國工程院院刊

工程造福人類

科技開創未來

微信公眾號ID ：CAE-Engineering

註：論文反映的是研究成果進展，不代表《中國工程科學》雜誌社的觀點。