在人工智能技術快速發展的今天，抗擊新冠肺炎疫情同樣可以看到AI的助攻。南開大學計算機學院程明明教授團隊聯合北京推想科技有限公司研發的新冠肺炎CT影像AI篩查系統，已在包括湖北在內的國內40家醫院應用部署，輔助醫生開展新冠肺炎快速診斷、程度評估、病程動態監測等工作。截至3月12日，該系統已持續運行50余天，累計檢測篩查8.1萬病例，協助醫生確診新冠肺炎6000余例，系統敏感度（正確確診率）98.3%，特異度（正確排除率）81.7%。該系統完成一個300張CT影像的病例的計算，只需10秒左右。

武漢同濟醫院醫生正在使用CT影像AI篩查系統

肺部CT影像是新冠肺炎診斷的重要標準之一。然而，疫情暴發后，快速增長且基數龐大的待診病人數量讓一線醫生面臨巨大壓力，長時間的連續工作也直接影響醫生的診斷效率和準確率。同時，疫情波及地域廣泛，基層醫院缺乏經驗，診斷新冠肺炎同樣面臨嚴峻挑戰。

1月中旬，南開大學與推想科技的聯合項目團隊深入疫情最為嚴重的湖北省武漢市，第一時間將此前積累的基于肺炎、肺結核CT影像智能識別技術部署應用于武漢市同濟、中南等醫院，輔助醫生快速診斷新冠肺炎，并在運行過程中，持續收集新發數據，不斷優化新冠肺炎智能識別與定位性能。

早在2019年初，南開大學與推想科技就開始了人工智能技術用于CT影像診斷的相關研究，在基于CT影像的肺結核識別、肺結節檢測等方面取得了系列突出成果。他們在所構建的大型實驗數據集（超越之前國際最大數據集10倍以上）上進行了相關實驗，以生物安全3級實驗室細菌培養6周后得到的確診數據作為“金標準”，使基于人工智能技術的CT影像篩查敏感度和特異度的平均值，都超越了三甲醫院主任級醫師判斷結果的平均準確率。

“這些研究成果表明，人工智能CT篩查在疾病篩查方面具有巨大潛力。此次新冠肺炎疫情發生后，武漢等疫情嚴重地區的醫院對智能CT篩查的需求陡增，我們的技術正好派上用場。于是，我們馬上和合作企業一起將它投入到戰‘疫’一線，并在系統運行過程中快速學習、不斷優化。”程明明說。

新冠肺炎CT影像AI篩查系統包括兩大模塊。其中，影像診斷模塊主要基于學習上千例新冠肺炎初診病例數據，輔助醫生提示疑似炎癥區域。定量分析模塊則參照國家衛健委發布的《新型冠狀病毒感染的肺炎診療方案（試行第七版）》指南要求，計算炎癥侵犯肺部與所在肺葉的體積占比，輔助醫生判斷新型冠狀病毒肺炎的嚴重程度，并結合以往檢測結果輔助監測病程發展。

該系統主要具有兩大功能：新冠肺炎的快速篩查及預警提示、數字化精準輔助診斷與病程監控。

程明明介紹，該系統處理一個病人的幾十張高清晰度CT數據僅需數十秒，若簡單增加服務器數量，還可以將速度提升至數秒以內。這就為大量病例數據的快速篩查提供了支撐。在發現疑似病例后，該系統會自動對可疑區域進行分割，并統計各個肺部解剖結構中肺炎區域占比的定量數據，為醫生進一步診斷提供重要參考。

此外，除了對當前日期的肺炎情況進行定性和定量的預測以外，該系統也可以自動檢測病人幾天前CT影像中的疑似肺炎區域。這種自動關聯的能力，為動態、精確、量化的監控病程，提供了支撐。

“這些智能服務，一方面，大幅降低臨床醫師及影像醫師的工作負荷；另一方面，通過大量數據學習和減少疲勞診斷提升了醫生判斷的準確率，也為醫生提供篩查和動態病程監測的功能。”程明明說。

在開發人員與武漢同濟醫院、中南醫院的醫生交流過程中，許多醫生都認為，CT影像AI篩查技術的臨床應用，可以有效加速篩選“高度疑似肺炎患者”，減少患者的排隊時間和院內交叉感染的風險，同時使患者獲得早期診斷和及時治療，改善患者預后和降低病死率；有效緩解檢測資源相對稀缺，醫師經驗不足的基層醫療機構的診斷壓力；有效幫助醫生進行患者病程轉歸前后對比，更加準確和快速完成患者的日常診斷評估；有效應用于無癥狀感染者的篩查工作中，減少漏診，助力疫情防控。

“系統投入應用后，我們在運行過程中進一步積累臨床數據，并利用這些數據持續提高系統的診斷性能。后續我們還將進一步提高檢測性能，并提升定位精度，以更好地協助醫生做出快速、準確的診斷。”程明明說。