澳科大医学院人工智能诊断新冠肺炎再获重大突破

研究论文在国际顶级期刊发表张康讲座教授  

   自2019年末，新冠肺炎疫情爆发以来，澳门科技大学医学院和科大医院积极投身疫情攻关研究。于2020年4月基于50万张胸部CT影像成功研发出人工智能影像学辅助诊断新冠肺炎系统，精准度高达90%以上，在国际上多个单位部署使用，且受到各界的高度评价与肯定，为全球抗疫做出了突出贡献。然而，胸部CT扫描并不是一个临床一线工具，它需要更多的时间进行且费用较贵，并且在偏远地区不容易获得，因此限制了它的应用范围。而通过X-光胸片（CXR）诊断作为一种临床一线工具，是世界范围内筛查、分诊和诊断各种肺炎(包括细菌性、病毒性和其他类型的肺炎)的最常用手段。国际上常见的肺部疾病更多是通过CXR进行诊断，因为它周转时间更快，在重症监护环境下使用更方便。

   4月15日，澳门科技大学医学院张康讲座教授作为主要通讯作者，参与并联合多个单位在人工智能诊断新冠肺炎研究上再创佳绩，在国际顶级期刊《Nature Biomedical Engineering》发文“A deep-learning pipeline for the diagnosis and discrimination of viral, non-viral and COVID-19 pneumonia from chest X-ray images”（通过CXR影像诊断和鉴别病毒性、非病毒性和新冠肺炎的深度学习系统）。

   澳科大医学院‬院长霍文逊表示，医学院张康讲座教授带领的科研团队与国内外多个单位合作，突破资料多源异构等局限性并攻克重重难关。基于大量多源异构的CXR资料集，开发了一套诊断新冠肺炎和其他常见肺部疾病的深度学习系统，说明放射科医生准确、快速地区分新冠肺炎和其他类型肺炎，常见肺部疾病及正常患者并评估其严重性。深度学习系统在四个患者队列和多个国家的CRX图像进行了回顾性和前瞻性测试，准确率高达90%以上。令人鼓舞的是，在一组独立的440张CXR图像诊断测试中，该系统与高资历的放射科医生的表现相当，还可提高初级放射科医生的诊断准确性。

   张康讲座教授对是次研究表示，当下由于对医学图像缺乏临床评估的黄金标准，人工智能系统推广应用于其他环境的泛化能力不足，以及深度学习算法的内部决策过程仍然不透明等原因，阻碍了人工智能系统的临床转化与应用。为了CXR图像的标准化，病灶的视觉化和精准诊断新冠肺炎和其他常见肺部疾病，基于12万个患者的145,000张CXR图像，团队成功开发了一套准确的人工智能系统，该系统从病灶标记、检测、配准、分割和诊断预测在内的模块化处理流程，提供了稳固且可解释的结果，可以帮助放射科医生准确、快速地区分新冠肺炎及其他类型肺炎， 其他常见肺部疾病及正常患者并评估其严重性，而且还能识别很难被放射科医生发现的肺部弥漫性病变特征等优势。

   该自动化深度学习系统可用于肺炎和常见肺部疾病评估，可作为急症室、偏远地区或发展中国家的一线诊断工具，促进早期干预，并为临床决策提供重要的支援。由于该系统可迅速部署到医疗中心，提供第一线评估，快速周转时间，解决公共卫生问题至关重要。该项技术为进一步推进精准医疗和智慧医疗，为全球抗疫工作做出重要贡献。本研究的大量CXR影像资料和代码为抗疫向全球开放，由中国国家生物信息中心大湾区节点向世界发布。

   有关研究论文，可浏览《自然–生物医学工程》 (Nature biomedical engineering) 连结：https://www.nature.com/articles/s41551-021-00704-1