上海交通大医院宝山分院放射科主任张炜利用AI辅助诊断疑似患者病例
近日，全国新增确诊病例、死亡病例有所下降，疫情拐点是否已经到来？
拐点到来之前，新型冠状病*肺炎的确诊方式已有多次变化，其中CT作为临床诊断标准，在《新型冠状病*感染的肺炎诊疗方案》的试行第五版和第六版中，先被纳入后被取消。
个中原因虽与疫情发展的实际形势有关，但也可见CT影像在临床诊断中面临的复杂性。
据《IT时报》记者了解，实际临床中，每名患者可能2-4天要复查一次CT，一次CT要拍约张照片，加上疑似病患、密切接触者筛查，每天新产生的海量CT影像，对一线影像科医生而言，是巨大的工作压力。
也正因此，此前医院“小试牛刀”的AI阅片，被紧急应用于新冠肺炎的诊疗中。
作为一种辅助手段，AI大大减少了问题影像被“漏看”的概率，同时，在药物筛选、流行病预测等领域也被寄予厚望。
01
医生眼睛不够用，AI影像医生上阵
“我告诉自己不要流泪，眼睛要用来看片子。”已持续奋战医院樊艳青主任面对媒体时曾表示。
据了解，武汉医院全院一天CT量曾超过例。
如果按照一个病例做一次CT要拍张照片估算，医院的影像科医生要在一天内看完30万张照片。
而对比正常时期，即便是上海CT医院，当每天拍摄量达到例时，医生的报告量已经要到凌晨。
AI希望能“解放”医生的眼睛。
位于金山的上海市公共卫生临床中心，是上医院，也是最早应用AI辅助影医院。
疫情爆发初期，1月24日，上海公共卫生临床中心副院长施裕新给依图医疗CEO倪浩打去电话，希望借助人工智能分析系统减轻一线医生影像筛查工作量。
1月28日，依图新冠肺炎智能评价系统初版在上海公共卫生临床中心上线。
期间，这一AI系统对上海市公共卫生临床中心近百例临床病例进行了评估，发现该系统的定量分析与医生的评价结果相似。
“新冠肺炎病人入院后，需要进行CT随访，跟踪病情变化。通过AI辅助，能够比纯人工诊断更加准确高效。”上海市公共卫生临床中心放射科一位医生告诉记者。
新冠肺炎病变过程中，新病灶出现和原有病灶部分被吸收的情况可能同时存在，病变过程中呈现此消彼长的特点，这加大了CT分析的复杂性，医生难以准确定量分析，对病情程度分级存在主观差异。
采用传统手工勾画病变区域的定量评估方法，轻症患者需1-2个小时，重症患者需3-5小时不等。耗时长，效率低，容易出现判断偏差。
但在AI系统里，只要2-3秒，就能完成病灶定量分析。
指导该系统研发的施裕新表示，该系统采用的是人工智能全肺定量分析技术，可以通过图像算法实现对新冠肺炎CT影像的智能化诊断与定量评价。
上线一周得到临床认可后，依图启动全国范围部署。
短短24小时之内，便将该系统部署到疫情防控最为紧急的湖北省，医院、华中科技大学同医院、医院、医院等4家医院在同一天上线使用。
医院放射科副主任谢君宝使用该系统进行精准诊断
截至目前，除了依图科技，商汤科技、东软医疗、深睿医疗、阿里巴巴达摩院、华为云等公司都已将AI医疗影像系统运用到战“疫”一线。
疫情期间物流受阻，商汤几位技术工程师赶赴青岛顺丰物流集散地，从几万件的包裹里找到了服务器，送到青医院时，已近凌晨。
02
确诊标准多次变化背后
不过，在新冠肺炎临床诊断标准中，CT影像的地位几经变化，这从另一个角度印证了新冠肺炎的复杂性，而“AI阅片”最终成为有效诊疗手段，仍面临很多难题。
“肺炎分为很多种，病*性、细菌性、真菌性、支原体、衣原体、过敏性等。其中，病*性肺炎的影像学表现和其他类型肺炎都不同。”
医院、医院放射科副主任医师尹波告诉《IT时报》记者，目前困难是，CT无法准确判断病人携带的是否是新冠病*。
“新冠肺炎病人的CT影像呈病*性肺炎特征，但无法判断是SARS、MERS（中东呼吸综合征）或禽流感中的哪种病*，这些病*的影像学表现没有特别明显差异。当发现病人的CT影像有病*性肺炎表现时，我们就会收治为疑似病人，而核酸试剂盒能够明确检测出这是不是新冠肺炎病*。”尹波解释道。
也就是说，CT与核酸检测结果可能存在不一致的现象，这种情况下，再结合患者流行病学史、临床表现才能更为精准地诊断新冠肺炎。
如果CT影像是辅助手段，那么辅助CT的AI，又能否准确发现病患呢？
AI医院的日常肺部CT诊断中已使用几年，是一项相对成熟的技术。
尹波告诉记者，AI能够有效识别易漏诊结节，比如6mm以下实性结节和磨玻璃结节。但在面对新冠肺炎病*时，AI还有更大的空间。
“如今单靠CT影像识别出病*性肺炎是哪种病*还是非常困难的，如果AI能够在这方面有所建树，将是很大突破，但这非常难。”
AI公司在试着解题。
疫情初期，尽管有不少新冠肺炎疑似CT数据，但缺乏有效标注。
商汤科技紧急组织非核心疫区多名经验丰富的医生，在一天半内手动完成了上百例新冠肺炎数据的标注。
青医院放射科主任王其*利用AI辅助诊断
基于这批数据产生的初步模型、利用自研的半自动标注工具又迅速完成了数千例肺炎数据的半自动标注，并分批次由专家医生进行复核修改。
另一道门槛则是数据。
CT照片看似海量，但对于AI来说，仍显不够，要想让AI越来越聪明，需要“投喂”大量数据。
但在医疗场景中，无论总患病人数多庞大，医院获得大量的数据训练，而且病患个体差异较大，每一个人的病程、病情、疾病种类都会有所不同。
为此，依图在早先的技术储备中，采用了迁移学习和增强学习等算法建立模型，此类算法着重研究如何在小样本数据的情况下对AI进行训练。
新算法在这次新冠肺炎智能评价系统中初现成效。
依图提供的数据显示，截至目前，系统服务数万人，检出敏感性97.3%（漏诊率仅2.7%）、特异性99%（误诊率仅1%）。
在整个图像中心区域，能看到由AI标识出来的红色部分，这个患者肺内特征符合新冠肺炎CT表现
业内人士分析，“AI阅片”在新冠肺炎影像筛查中，节约了大量疑似待排人群的确诊时间，减轻了医生人工阅片的压力，但AI还无法完全替代医生，特别是当新冠肺炎影像学特征还在进一步明确过程中。
03
AI药物筛选成重要方向
仅仅在过去的20年间，世界已经遭受了三次主要的冠状病*爆发：SARS、中东呼吸综合征(MERS)以及当下的新型冠状病*COVID-19。
在世界著名艾滋病学家、亚伦·戴蒙德艾滋病研究中心发起人何大一看来，人类必须寻求持久的解决办法，找到能抑制这类冠状病*的广谱药物或抗体。
在潜在的化学小分子药物和生物大分子药物的筛选、流行病学分析等方面，AI展现出了极大的潜力。
小分子药物筛选是一个重要方向。
AI技术可以借用疾病、蛋白、病*、基因之间的相互关系，建立模型，从已上市药物中筛出潜在可使用的药物，包括针对抗埃博拉、抗艾滋病的药物。
当前，很多筛选出的药物，已经在临床中使用并取得初步效果。
商汤科技告诉《IT时报》记者，其智慧健康团队除了利用AI做上述化学小分子药物的筛选外，还全心投入到生物大分子药物的研发中，目前团队正在研究，利用AI进行痊愈患者的特异性抗体筛选，来帮助医生诊断和治疗。
作者／IT时报记者孙妍见习记者钱奕昀
编辑／挨踢妹
图片／采访者供图
来源／《IT时报》