日前，頂尖學術期刊《細胞》在線發表了一篇關於新冠疾病診斷的最新論文。由華人科學家主導的一支科研團隊開發了一款人工智能（AI）工具，可以根據胸部的CT影像，準確做出新冠肺炎的診斷。本論文由清華大學、中山大學、澳門科技大學等機構聯手合作完成，通訊作者為張康，王光宇，林天歆，何健行，李為民，這一工具目前已向全世界醫務人員公開。

在中國，新冠疫情已經得到了充分的控制。而在全球範圍內，許多國家和地區依舊面臨著這種傳染病的威脅。為了防止疫情擴大，並及時對感染者進行治療，快速而準確的診斷技術是關鍵：一方面，在呼吸道疾病的高發時節，很多人都會出現肺部炎症。準確的診斷能剔除感染其他病原體的病患，方便他們接受單獨的治療，從而減少暴露於新冠病毒的風險；另一方面，從目前數據來看，出現急性呼吸衰竭的病患有著很高的死亡率，而他們先前大多都有肺部炎症。如果我們能第一時間找到新冠肺炎的跡象，就能在呼吸衰竭出現之前對他們進行治療。

在一線的治療中，CT影像是重要的診斷工具。相較在標準實驗室裡進行的分子檢測，CT掃描的速度更快，也能更直觀地觀察到肺部的病理學特徵。我們知道，“閱讀”CT影像數據，正是AI在醫療領域應用的強項之一。早在2018年，張康教授團隊就曾在《細胞》雜誌上發表文章，介紹了一款能夠基於X線胸片來區分兒童細菌性肺炎和病毒性肺炎的AI工具。次年其團隊開發了一款診斷兒童病歷的AI（相關閱讀：《自然》子刊：AI閱讀病歷，理解患者病情，推薦臨床診斷，準確度超過年輕醫生！夏慧敏/張康聯合團隊帶來AI診療里程碑突破）。

▲本AI工具的開發流程（圖片來源：參考資料[1]）

在這項工作中，科學家們基於3777名患者總計53萬多張的CT影像，開發了一款新冠肺炎的AI診斷系統。不同於傳統的端到端的深度學習模型，這套診斷系統融合了兩步不同的模型，第一步是基於語義分割的“肺部病灶”模型，其次是基於生成的肺-病灶圖譜，將病人的整個CT （大約100-300張切片）作為輸入，進一步構建智能診斷模型。這一工作可以避免“黑箱”模型在實際醫療應用中的缺陷，提高AI診斷系統的可解釋性和泛化性能，也可以提高診斷的準確度。通過研究來自新冠肺炎患者、普通肺炎患者、以及對照組的CT影像數據，AI學會了對其進行區分。

研究人員們報導說，在自我測試中，這套AI系統診斷新冠肺炎的準確率達到了92.49%（靈敏度94.93%，特異性91.13%）。利用來自不同地區的不同數據集，這套AI診斷系統經受住了真實世界的考驗—— 利用回溯性數據及前瞻研究，該AI系統均可達到90%左右的準確率，即便是使用海外的CT數據，這套系統也達到了84.11%的準確率。這一系列研究結果表明，科學家們開發的這套AI診斷系統無論是採用中國數據，還是國際數據，都能取得較好的表現。

▲這套系統可以輔助年資較低的醫生，提高他們的讀片能力（圖片來源：參考資料[1]）

與人類醫生相比，研究人員們發現AI系統的表現遠超過年資較低的醫生，而與中級/資深放射科專家的表現差不多。這一結果表明AI系統可以協助經驗較少的醫生來做出診斷，快速將他們的讀片能力提高到和資深醫生接近的水平。在醫療資源緊張，資深醫生難求的國家和地區，這套系統的重要意義不言而喻。

值得一提的是，這套AI系統還基於CT的量化特徵及臨床資料，識別出了一些與患者預後有關的臨床特徵，發現COVID-19疾病不僅僅會影響呼吸系統的功能，還會影響到其他多個器官。另外，它也有望為臨床預後提供更為準確的預測模型和生存曲線分析，便於醫務人員及時介入，進行治療。

總結來看，在大量臨床CT影像的支持下，研究人員們開發出了一款AI系統，能夠準確地從出現不同症狀的患者中，準確挑選出發生新冠肺炎的患者。這不僅能用於臨床的快速診斷和治療，還能協助訓練資歷較淺的醫生，幫助他們快速成長。

最後，科學家們宣布，為了更好地幫助全球控制疫情，他們將免費公開這一AI工具，協助來自不同國家和地區的醫務人員。我們向這些科學家致敬，也期待全球能夠早日終結新冠疫情！