世界衛生組織最新資料顯示，截至10月19日，全球新冠肺炎确診人數已超過九百萬，累計死亡人數已過一百萬。随着秋冬季節的來臨，國内新冠肺炎的疫情是否會卷土重來成為人們關注的話題。
值得注意的是，秋冬季節也是其他呼吸道疾病的高發期，這讓新冠肺炎的鑒别、診斷和治療變得更加困難。近期，《自然》子刊《自然通訊》釋出的論文顯示，中國研究員已開發一種基于深度學習的人工智能系統，可用來快速地區分新冠肺炎和其他呼吸道疾病。
基于1萬多份CT掃描資料建構
據了解，這篇論文題為《新型冠狀病毒(COVID-19)人工智能診斷系統的開發與評估》（Development and evaluation of an artificial intelligence system for COVID-19 diagnosis），由清華大學自動化系和華中科技大學同濟醫學院附屬協和醫院兩個科研團隊共同完成。
論文指出，目前胸部成像技術可顯示出肺部早期病變，可被廣泛使用且經濟适用。但是，胸部CT影像包含數百個切片影像，醫生的診斷時間較長；另外，由于新冠肺炎與其他肺炎在症狀上存在相似性，放射科醫生要積累大量的經驗才能實作高效診斷。一旦新冠肺炎和流感同時爆發，CT診斷工作量将遠遠超過現有放射科醫生能夠負荷的數量。
針對診斷困難的問題，研究人員提出一種基于深度學習的人工智能診斷系統。該系統可以直接輸入CT影像資料，并從中提取和分割出肺部區域的資料。系統由五個關鍵部分組成：肺部分割網絡、切片診斷網絡、冠狀病毒感染切片定位網絡、解釋深層網絡的可視化子產品，以及解釋關注區域特征的圖像表型分析子產品。
人工智能系統工作流程
據悉，這套人工智能系統的開發和評估資料來自武漢三所醫院和四個公開資料庫，包含了新型冠狀病毒、流感A/B、非病毒性社群獲得性肺炎（以下簡稱CAP）以及非肺炎受試者超過1萬份的胸部CT資料。
實驗中人工智能系統讀片速度更快
在進一步的研究中，研究人員将人工智能系統和五名經驗豐富的放射科醫生進行對比。這五名醫生的從業時間均在5年以上，每年大約要讀取3000-5000位患者的CT影像資料。結果顯示，放射科醫生的平均閱讀時間為6.5分鐘，而人工智能系統的平均閱讀時間為2.73秒，遠高于人工速度。
需要注意的是，論文指出，人工智能系統在區分普通肺炎和非肺炎方面要比放射科醫生差一些，但是在更具挑戰性的識别和分類中，人工智能系統的優勢要更明顯。
表格顯示，在區分CAP和新冠肺炎時，人工智能系統的準确率為92%，而放射科醫生的準确率為74%；在區分流感和新冠肺炎時，人工智能系統的準确率為88%，而放射科醫生的準确率僅為54%，兩者相差較大。
人工智能系統與放射科醫生識别資料比較。*前述準确率資料主要依據表格中的“Any reader”類目得出。論文對“Any reader”的注釋顯示，在每一個病例的識别中，隻要五位醫生中有一位出現識别錯誤，則該案例就會被标記為人類識别錯誤。
“不同類型的肺炎具有高度的相似性，特别是在早期（相似性更明顯）；而且同一類型肺炎的不同階段差異較大，CT篩查很難将新冠肺炎與其他肺炎進行鑒别，”論文作者、清華大學自動化系副教授馮建江在接受媒體采訪時說，“是以，開發針對新冠肺炎的人工智能診斷算法是非常必要的。”
另外，馮建江表示人工智能診斷算法具有高重複性和易于大規模布置的優點，有潛力成為控制新冠肺炎傳播的新工具，目前武漢部分醫院已經用上相關的人工智能應用。
人工智能在新冠肺炎治療中的應用
人工智能領域現已在應對新冠肺炎疫情上多處發力。據新華社報道，英國牛津大學領銜的一個科研團隊正開發和測試一種人工智能算法，可輔助醫生診斷和管理新冠患者病情。
這套算法可以幫助醫生更快速地診斷病情，并且預判患者是否會出現病情惡化，比如哪些患者會出現呼吸困難、哪些患者會發展出長期性的肺功能問題。針對預判醫護人員可以對患者進行更細緻的醫學觀察，用有限的資源更高效的幫助有需要的患者。
另外，西班牙研究機構也開發出類似的人工智能模型。該模型可以預測新冠肺炎患者是否會出現嚴重的呼吸衰竭并需要進入重症監護室（ICU）接受治療，并通過模型的預判對醫療資源進行配置設定。
原文連結：
https://ai.51cto.com/art/202010/629203.htm本文轉載自51CTO，本文一切觀點和機器智能技術圈子無關。
線上免費體驗百種AI能力：【點此跳轉】