為了控制COVID-19的傳播，優(yōu)先檢查大量可疑病例以進(jìn)行適當(dāng)?shù)母綦x和治療措施。致病性實(shí)驗(yàn)室檢測(cè)是診斷的一大標(biāo)準(zhǔn)，但往往耗時(shí)且假陽(yáng)性結(jié)果顯著。因此，迫切需要快速、準(zhǔn)確的診斷方法來(lái)對(duì)抗這種疾病。

a

　　2月17日，天津醫(yī)科大學(xué)附屬腫瘤醫(yī)院徐波教授團(tuán)隊(duì)及國(guó)家超級(jí)計(jì)算機(jī)天津中心的研究團(tuán)隊(duì)在medRxiv預(yù)印本平臺(tái)上發(fā)表的文章中，介紹了雙方合作研發(fā)的一個(gè)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(zhǔn)確度可達(dá)83%，且快速高效。

　　值得一提的是，這是第一項(xiàng)將人工智能技術(shù)應(yīng)用于CT圖像以有效篩查COVID-19的研究，每例病例的時(shí)間約為2秒，并且可以通過(guò)共享的公共平臺(tái)進(jìn)行遠(yuǎn)程操作。

　　文章中透露，根據(jù)CT圖像中COVID-19的射線照相變化，研究人員們假設(shè)深度學(xué)習(xí)方法可能能夠提取COVID-19的圖形特征并在病原體檢測(cè)之前提供臨床診斷，從而節(jié)省了控制疾病的關(guān)鍵時(shí)間。

　　研究人員修改了Inception遷移學(xué)習(xí)模型以建立算法，然后進(jìn)行內(nèi)部和外部驗(yàn)證。結(jié)果顯示：內(nèi)部驗(yàn)證的總準(zhǔn)確度為82.9%，特異性為80.5%，靈敏度為84%。外部測(cè)試數(shù)據(jù)集顯示總準(zhǔn)確性為73.1%，特異性為67%，靈敏度為74%。

　　圖1. 顯示了具體的深度學(xué)習(xí)算法框架。使用修改后的Inception網(wǎng)絡(luò)隨機(jī)抽取ROI進(jìn)行訓(xùn)練，以提取特征。 然后，該算法進(jìn)行預(yù)測(cè)。

　　這些結(jié)果為使用人工智能提取放射學(xué)特征以進(jìn)行及時(shí)準(zhǔn)確的COVID-19診斷提供了原理證明。

　　根據(jù)成像模式，有許多特征可識(shí)別病毒病原體，這些特征與它們的特定發(fā)病機(jī)理有關(guān)，COVID-19的標(biāo)志是斑塊狀陰影和毛玻璃不透明的雙邊分布。

　　具體來(lái)看，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(xué)習(xí)模型以建立算法，然后進(jìn)行內(nèi)部和外部驗(yàn)證。

　　他們回顧性地納入了99例患者，其中研究入組對(duì)象列包括55例經(jīng)診斷的典型病毒性肺炎，發(fā)病在COVID-19爆發(fā)之前。這些患者被稱(chēng)為COVID-19陰性。其他44例來(lái)自三家經(jīng)確認(rèn)具有SARS-COV-2核酸檢測(cè)結(jié)果的醫(yī)院，因此稱(chēng)為COVID-19陽(yáng)性。之后，他們要求兩名放射科醫(yī)生檢查圖像并總共繪制了453張代表性圖片(258張為COVID-19陰性，195為COVID-19陽(yáng)性)進(jìn)行分析。這些圖像被隨機(jī)分割分為訓(xùn)練集和驗(yàn)證集。

　　圖2. COVID-19肺炎特征的一個(gè)案例。藍(lán)色箭頭指向毛玻璃樣的不透明度，黃色箭頭指向胸膜壓痕。

　　研究人員們指出，該模型已經(jīng)模型訓(xùn)練已經(jīng)進(jìn)行15,000次迭代，雖然目前還存在一些局限性，未來(lái)他們講可以通過(guò)把CT圖像的分層特征與其他因素(例如遺傳、流行病學(xué)和臨床信息)的特征鏈接起來(lái)，進(jìn)行進(jìn)一步的優(yōu)化和測(cè)試，提高準(zhǔn)確性、特異性和敏感性，該平臺(tái)可以用于輔助臨床診斷，為COVID-19疾病控制做出貢獻(xiàn)。

上一篇：新式CT效力疫情 科技再獲豐績(jī)

下一篇：儀器送檢后如何進(jìn)行確認(rèn)，確認(rèn)記...