"3秒出結果，陽性病例全召回，病竈召回率達到90%，真是幫了我們影像科醫生的大忙。"中國科學技術大學附屬第一醫院（以下簡稱"中科大附一院"）南區的影像科醫生林寧（化名），正在使用"新冠肺炎影像輔助診斷平臺"對確診患者的新老CT片進行對比，以判斷患者肺部病竈的變化情況。林寧表示使用該套系統閱片時間短、判斷結果準確，極大提高了影像科醫生的工作效率。

疫情期間，新型冠狀病毒肺炎（以下簡稱"新冠肺炎"）疑似病例不斷增加，各地一線醫院面臨着門診量大、試劑盒數量不足、核酸檢測時間長等問題。隨着臨牀診斷數據的積累，CT影像檢測被列入《衛健委新冠肺炎診療指南（第五版）》中，成爲除核酸檢測外的新冠肺炎臨牀診斷方式之一。爲了滿足CT門診量需求，加快患者診療速度，衆多的影像科醫生像林寧一樣，使用類似的AI醫療影像輔助診斷系統對確診患者或疑似患者進行胸部CT快速判讀。這得益於AI技術在醫療影像場景中的落地，通過其高性能的圖像識別、精準的算法及深度學習能力爲肺部、眼底、腦部、神經系統及心血管等疾病提供智能化的輔助診斷服務。

當前，人工智能在輔助診療、疾病預測、醫療影像輔助診斷、藥物開發等場景中實現了廣泛應用，其中醫療影像輔助診斷是其最主要的應用方向之一，可以實現影像設備的圖像重建、智能輔助診斷疾病、智能勾畫靶區、智能判斷病理切片及智能輔助診斷方案等功能。針對此次新冠肺炎，基於CT影像作爲病情篩查與診療的重要方式，AI醫療影像輔助診斷更是發揮了"急先鋒"的作用，極大提高了篩查的質量和效率。

快速甄別預警 精準識別病竈

據瞭解，在疫情初期，由於醫護人員使用試劑盒的經驗有限，很難採集到患者上呼吸道附近的唾液樣本，在一定程度上影像了核酸檢測結果的準確性，出現了患者診斷結果假陰現象，導致延誤了最佳的救治時機。新冠肺炎患者的肺部在早期呈現多發小斑片影及間質改變，進而發展爲雙肺多發磨玻璃影、浸潤影，嚴重者會出現肺實變及胸腔積液少見的臨牀特徵。相比核酸檢測，CT影像檢測能夠顯示出肺部早期的病變。然而，對於傳統的CT影像檢測，患者每做一次CT成像都會產生幾百張分片，影像科醫生需要對數百張CT片進行逐層分析。尤其是對新冠肺炎疑似患者的CT片，負責影像分析的醫生需要在數百層影像中尋找病變的"白點"，每診斷一個病例，醫生需要投入5到15分鐘的時間。在確診患者治療期間，醫生還需要回顧患者肺部的歷史影像，進行新舊CT片對比，閱片量至少再翻一倍。

隨着CT檢測需求量快速增加，衆多一線醫院的影像科醫生承受着時間緊、任務重的工作壓力，心理壓力也隨之加大，身心均處於極度疲勞的狀態。爲了緩解一線醫護人員的診療壓力，科學應對疫情期間的CT影像檢測需求，中科院緊急成立"中科院臨牀研究醫院應對疫情科技攻關聯合指揮部"，攜手科大訊飛共同承擔"新型冠狀病毒應急防控"專項攻關任務。科大訊飛憑藉醫學影像識別和輔助診療等人工智能技術以及豐富的產品應用體系，僅用三天時間就完成了"新冠肺炎影像輔助診斷平臺"建設並現場部署落地應用。據介紹，該平臺包含新冠肺炎檢出與預警模塊、肺炎病竈3D分割量化分析模塊、感染區域分析模塊、4D隨訪模塊、多模態輔診模塊和科研數據支撐模塊，可實現病竈靶區勾畫與風險預警、病竈量化分析、感染區域體積及佔比分析、病情發展評估、病竈變化分析、影像多模態輔診及數據導出功能。

科大訊飛"新冠肺炎影像輔助診斷平臺"產品經理尹孝映接受計算機世界全媒體平臺採訪時表示："新冠肺炎檢出與預警模塊，可以快速發現疑似病竈及勾畫病竈靶區，同時發出風險預警。在此過程中，醫生對患者CT影像的診斷時間由過去的10到15分鐘縮減至2到3分鐘，既提高了診斷速度，也緩解了醫生的壓力。"在系統完成新冠肺炎徵象甄別和疑似徵象預警後，其具有的多模態輔診功能夠對病竈進行精準識別，爲醫生提供準確的診斷參考。談及平臺的這一特色，尹孝映說："整套產品從醫生的實際工作需求出發，藉助了智醫助理的輔診能力，可以實現平均3秒內完成一例CT影像的輔助診斷，對確診患者的檢測率更是接近百分之百。平臺在綜合了門診病歷、CT影像和檢驗信息的基礎上，實行影像多模態輔診，不但提高了醫生判讀CT片的準確率，還有效降低了漏診誤診率。"

高效量化分析 準確掌握病竈情況

據瞭解，傳統的閱片工具只能實現影像調閱、長度測量，無法提供病竈識別、分割和病竈體積、密度量化等功能，而科大訊飛"新冠肺炎影像輔助診斷系統"的 3D分割量化功能可以提供病竈量化分析，測量病竈的體積、平均密度，並對肺部染區域進行體積及佔比分析。4D量化對比分析功能是該系統的核心功能，能夠高效量化患者肺部的病竈變化。對於此項功能，尹孝映介紹說："在歷史影像對比方面，傳統的閱片工具只能做到調閱歷史影像，而肺炎病竈體積變化、密度變化等，全靠影像科醫生的經驗進行預估。'新冠肺炎影像輔助診斷系統'的4D對比分析功能，可以自動匹配患者的歷史期影像，通過系統的輔助分析工具自動計算多期影像中的病竈數量、體積與密度的變化並進行量化分析，使醫生可以快速掌握病竈的變化情況，爲後續診療提供高效、準確的參考。"截止目前，科大訊飛與中科大附一院聯合建設的"新冠肺炎影像輔助診斷平臺"正在爲1200餘家醫療機構提供醫療影像輔助診斷服務，並通過數據迭代與算法優化保證系統的每日升級。

新冠肺炎影像輔助診斷系統

武漢市衛健委聯合天翼雲和上海聯影醫療科技共同打造的"uAI新冠肺炎智能輔助分析系統"在AI醫療輔助影像診斷方面也獨具特色。據瞭解，該系統是業界首款綜合肺炎整體與局部影像特徵對肺炎影像實施精確分診的AI全流程解決方案，可準確識別各種形狀和尺寸的結節，對大於4mm結節的檢出率超過98%，其中磨玻璃結節檢出率超過95%，患者疑似病竈的檢測準確率超過90%。據介紹，在該系統中每點開一張圖像，系統界面會清晰地顯示出經過高精度算法自動標記的肺炎病竈及被感染肺段、病變累計範圍等關鍵量化信息，且可自動進行結節勾畫分割，原本需要醫生5到15分鐘的CT閱片時間縮短到了60秒。系統具有的"智能隨訪"功能可以自動比對患者的歷次檢查數據，顯示結節的變化情況，爲醫生的治療方案提供參考依據。

uAI新冠肺炎智能輔助分析系統

連心醫療憑藉在醫學影像領域積累的核心AI技術，結合百度飛槳開源框架和PaddleSeg開發套件，研發上線了"基於CT影像的肺炎篩查與病情預評估AI系統"。該系統可對患者肺部病竈的數量、體積、肺部佔比等全套定量指標進行計算與展示，同時輔以雙肺密度分佈的直方圖和病竈勾畫疊加顯示等可視化手段，爲醫生的篩查和預診斷工作提供定性與定量的參考依據。據瞭解，該系統採用的深度學習算法模型充分訓練了不同分辨率的CT影像數據，可以適應不同等級CT影像設備採集的檢查數據，有望爲醫療資源和醫療水平有限的基層醫院提供有效的肺炎輔助預診斷工具。

高敏感性檢出 實現精確輔助診斷

疫情期間，與上述企業一樣運用AI技術支撐一線醫院的高科技企業還有很多，如華爲雲與華中科技大學、藍網科技聯合推出的"新型冠狀病毒肺炎AI輔助醫學影像量化分析服務"，達摩院醫療AI團隊結合阿里雲輔助診斷算法和阿里健康創新實驗室的醫院場景技術研發的"CT影像AI輔助篩查技術"等，這些服務和技術的推出紛紛驗證了AI在醫學影像領域中的巨大價值。

AI醫療影像輔助診斷的實質是通過精準的疾病預測模型對各種因子和數據進行分析與處理，再利用CT影像對病原細胞分類，通過底層數據處理、影像篩查和智能決策三個環節，爲臨牀診斷提供準確的參考依據。與此同時，通過AI系統的高敏感性對陽性病例佔比低、陽性病竈區數據佔比小及對影像診斷專業知識要求低的病例進行篩查和分類檢出，這樣去除了影像科醫生在陰性病例數據上的大量重複性工作，把有限的時間和精力投入到更具意義的臨牀診斷工作中。此外，AI的高維信息挖掘和高通量計算能力，爲診療提供了更加豐富的影像診斷指標，以輔助醫生對疾病進行鑑別診斷、基因分析及預後判斷，極大提高了診斷的精確性。

2017年7月，國務院印發的《新一代人工智能發展規劃》中指出，醫療成爲人工智能技術應用的重點領域之一。未來，AI將在更多的醫學應用場景中落地，它會爲醫生與患者帶來怎樣的驚喜呢？讓我們拭目以待。

相關文章