快速、準確地篩查大量肺炎癥狀的病例，以采取適當的隔離和治療措施，是控制新冠肺炎傳播的重點。實驗室核酸檢測是診斷的金標準，但由于其耗時且容易假陽性，有時也需要結合計算機斷層掃描(CT)作為診斷工具。

2月17日，天津醫科大學附屬腫瘤醫院徐波教授團隊及國家超級計算機天津中心的研究團隊在medRxiv預印本平臺上發表的文章中，介紹了雙方合作研發的一個利用CT圖像輔助診斷新型冠狀病毒肺炎的人工智能模型。該模型鑒別新冠肺炎與其他病毒性肺炎的總準確度可達83%，且快速高效。

https://doi.org/10.1101/2020.02.14.20023028

根據成像模式，有許多特征可識別病毒病原體，這些特征與它們的特定發病機理有關，COVID-19的標志是斑塊狀陰影和毛玻璃不透明的雙邊分布。基于此，研究人員收集了453例病原體確診的COVID-19病例和先前診斷為典型病毒性肺炎的CT圖像，修改了Inception遷移學習模型以建立算法，然后進行內部和外部驗證。內部驗證的總準確度為82.9%，特異性為80.5%，靈敏度為84%;外部測試數據集顯示總準確性為73.1%，特異性為67%，靈敏度為74%。這些結果證明了使用人工智能提取放射學特征以進行及時準確的COVID-19診斷的原理。

深度學習算法框架　　這是第一項將人工智能技術應用于CT圖像以有效篩查COVID-19的研究，每例病例的時間約為2秒，并且可以通過共享的公共平臺進行遠程操作。盡管目前還存在一些局限性，研究人員相信通過將CT圖像的分層特征與其他因素(例如遺傳、流行病學和臨床信息)的特征鏈接起來，進行進一步的優化和測試，提高準確性、特異性和敏感性，該平臺可以用于輔助臨床診斷，為COVID-19疾病控制做出貢獻。

模型效果圖：

End

參考資料：

[1] A deep learning algorithm using CT images to screen for Corona Virus Disease (COVID-19)

[2] 徐波教授團隊聯合國家超算中心成功建立新冠肺炎輔助診斷人工智能模型