在人工智能技术快速发展的今天，抗击新冠肺炎疫情同样可以看到AI的助攻。南开大学计算机学院程明明教授团队联合北京推想科技有限公司研发的新冠肺炎CT影像AI筛查系统，已在包括湖北在内的国内40家医院应用部署，辅助医生开展新冠肺炎快速诊断、程度评估、病程动态监测等工作。截至3月12日，该系统已持续运行50余天，累计检测筛查8.1万病例，协助医生确诊新冠肺炎6000余例，系统敏感度（正确确诊率）98.3%，特异度（正确排除率）81.7%。该系统完成一个300张CT影像的病例的计算，只需10秒左右。
肺部CT影像是新冠肺炎诊断的重要标准之一。然而，疫情暴发后，快速增长且基数庞大的待诊病人数量让一线医生面临巨大压力，长时间的连续工作也直接影响医生的诊断效率和准确率。同时，疫情波及地域广泛，基层医院缺乏经验，诊断新冠肺炎同样面临严峻挑战。
1月中旬，南开大学与推想科技的联合项目团队深入疫情最为严重的湖北省武汉市，第一时间将此前积累的基于肺炎、肺结核CT影像智能识别技术部署应用于武汉市同济、中南等医院，辅助医生快速诊断新冠肺炎，并在运行过程中，持续收集新发数据，不断优化新冠肺炎智能识别与定位性能。
早在2019年初，南开大学与推想科技就开始了人工智能技术用于CT影像诊断的相关研究，在基于CT影像的肺结核识别、肺结节检测等方面取得了系列突出成果。他们在所构建的大型实验数据集（超越之前国际最大数据集10倍以上）上进行了相关实验，以生物安全3级实验室细菌培养6周后得到的确诊数据作为“金标准”，使基于人工智能技术的CT影像筛查敏感度和特异度的平均值，都超越了三甲医院主任级医师判断结果的平均准确率。
“这些研究成果表明，人工智能CT筛查在疾病筛查方面具有巨大潜力。此次新冠肺炎疫情发生后，武汉等疫情严重地区的医院对智能CT筛查的需求陡增，我们的技术正好派上用场。于是，我们马上和合作企业一起将它投入到战‘疫’一线，并在系统运行过程中快速学习、不断优化。”程明明说。
新冠肺炎CT影像AI筛查系统包括两大模块。其中，影像诊断模块主要基于学习上千例新冠肺炎初诊病例数据，辅助医生提示疑似炎症区域。定量分析模块则参照国家卫健委发布的《新型冠状病毒感染的肺炎诊疗方案（试行第七版）》指南要求，计算炎症侵犯肺部与所在肺叶的体积占比，辅助医生判断新型冠状病毒肺炎的严重程度，并结合以往检测结果辅助监测病程发展。
程明明介绍，该系统处理一个病人的几十张高清晰度CT数据仅需数十秒，若简单增加服务器数量，还可以将速度提升至数秒以内。这就为大量病例数据的快速筛查提供了支撑。在发现疑似病例后，该系统会自动对可疑区域进行分割，并统计各个肺部解剖结构中肺炎区域占比的定量数据，为医生进一步诊断提供重要参考。
此外，除了对当前日期的肺炎情况进行定性和定量的预测以外，该系统也可以自动检测病人几天前CT影像中的疑似肺炎区域。这种自动关联的能力，为动态、精确、量化的监控病程，提供了支撑。
“这些智能服务，一方面，大幅降低临床医师及影像医师的工作负荷；另一方面，通过大量数据学习和减少疲劳诊断提升了医生判断的准确率，也为医生提供筛查和动态病程监测的功能。”程明明说。
在开发人员与武汉同济医院、中南医院的医生交流过程中，许多医生都认为，CT影像AI筛查技术的临床应用，可以有效加速筛选“高度疑似肺炎患者”，减少患者的排队时间和院内交叉感染的风险，同时使患者获得早期诊断和及时治疗，改善患者预后和降低病死率；有效缓解检测资源相对稀缺，医师经验不足的基层医疗机构的诊断压力；有效帮助医生进行患者病程转归前后对比，更加准确和快速完成患者的日常诊断评估；有效应用于无症状感染者的筛查工作中，减少漏诊，助力疫情防控。
“系统投入应用后，我们在运行过程中进一步积累临床数据，并利用这些数据持续提高系统的诊断性能。后续我们还将进一步提高检测性能，并提升定位精度，以更好地协助医生做出快速、准确的诊断。”程明明说。
