我们几乎都有过拿着“片子”等医生看的经历。面对黑乎乎的底色上那些幽微泛白的图像，我们一无所知，虔诚地听着医生吐露的每个字。这是出于对医生的信赖，他们凭借专业学识和经验，用肉眼就能发现一般人看不出的问题，给出令我们眉头一松或一紧的答案。

而现在人工智能的引入，可以更好地帮助影像科医生做出判断。

凭借在感染性疾病影像诊断方面的丰富经验，以及此前利用人工智能诊断肺结节的研究基础，中核集团核工业总医院开展了“人工智能（AI）诊断系统在新型冠状病毒肺炎检测及肺炎鉴别诊断中的应用研究”，将AI技术结合到新冠肺炎的CT检查中，这在业界相关研究中属先行一步。

早发现、早诊断、早治疗可明显降低新型冠状病毒感染者危重症发生率和死亡率，意义不言而喻。AI的算法，与医生的经验相结合，将为新冠肺炎乃至更多类型的肺炎疾病提供早发现、早诊断、早治疗的高效解决方案。

目前，对新冠病毒感染的诊断主要为流行病学史、临床表现、影像学检查、血常规及核酸/基因检测。但部分患者缺乏流行病学史、临床表现不典型、核酸检测阳性结果滞后且存在假阴性可能。

按照国家卫健委于3月4日印发的新型冠状病毒肺炎诊疗方案（试行第七版），“影像学特征”被列为新冠肺炎疑似病例临床表现的三条之一。CT检查在新冠肺炎诊断中起重要作用，在主要疫区一度作为临床诊断的主要依据。

但常规CT检查存在早期难以观察到较隐匿病变，与其它病毒性肺炎、细菌性肺炎难以区分等不足。“通常的CT检查图像都是靠人眼来辨别的，通过影像诊断，医师对检查产生的图像进行观察，根据其影像学表现，还有医师个人经验，做出主观的判断。”核工业总医院新冠肺炎医疗救治专家组成员、影像诊断科主任范国华告诉记者，“这肯定是有一定局限性的。主观的影响因素比较多，而且只能解读表观的一些图像特征。”

人工智能的分析能力与医生的肉眼有什么不同？

范国华说，人工智能可以将视觉影像信息转化为深层次的特征性的信息，而且这些信息是可量化的。获取的信息越多，诊断起来把握性就更大。人工智能提取的某些特征，如直方图特征、纹理特征和小波特征等，单凭人的肉眼是无法观察到的，更不可能量化，但是人工智能可以通过海量信息处理挖掘出来。

利用人工智能技术建立起的这套智能诊断系统，能够快速识别病灶微观信息及关键特征，在海量数据中筛选、提取该病变的特征性信息，做出疾病诊断，提升CT在新冠肺炎早期诊断及其与其它肺炎鉴别诊断能力，从而改善患者预后、降低危重症病例发生率和死亡率。

“一是对于比较早期的病变，肉眼观察不太明显的影像学改变，能够检测出来；二是定性比较准确，对病变能给出比较准确的诊断；另外整个流程的耗时相对人工能够大大缩短。”据范国华说，一般一个成年人做一次胸部CT检查会产生四五百幅薄层图像，靠人工一幅一幅去看很费时费力，但是机器可以在几秒钟之内将这四五百幅图像检测完，而且不存在连续工作产生疲劳的问题。

利用人工智能技术对图像数据进行更深层次的分析，具体过程是通过CT扫描获得数字化的图像，然后将图像数据导入软件系统中进行分析，通过机器的“深度学习”建立模型。对于建立的模型，使用一定数量的确诊病例来验证其是否可靠，然后用于检测其他的未知病例。这种人工智能和影像诊断相结合的技术，此前多用于肿瘤的诊断。

要把这个AI“养大成人”，最终成熟到能够帮助诊断，喂给它学习和训练的“养料”就是数据，比如在核工业总医院的这项研究中是CT检查产生的图像数据。这些数据来自已知的确诊病人，由医生将其做好标记，然后提供给机器。

在获取数据方面核工业总医院具有优势。该院是苏州市新冠病毒感染的定点救治单位，专设有感染性疾病科、发热门诊和隔离病房，可以提供丰富的病例资料。

核工业总医院现有高端CT设备5台，开设新型冠状病毒肺炎检查专用CT两台，医院具有完善的PACS（图像存档与传输系统）及图像处理工作站。PACS系统作为应用在医院影像科室的信息系统，主要任务就是把日常产生的各种医学影像包括磁共振、CT、超声、X线等图像，以数字化的方式海量保存起来，对于在各种影像设备间传输数据和组织存储数据具有重要作用。此前，该院已应用人工智能辅助诊断系统开展肺结节筛查、检测及诊断工作。

人工智能检测肺结节

“样本量越大、标准化数据越多越好。随着研究的进行，要增大样本量，单个医院数据获取有限，需要协调开展多中心研究，以扩大样本量。”范国华表示。

“获取大样本标准化的影像数据是一个难点”，范国华表示。做CT检查时，各家医院使用的机器设备、扫描参数等不尽相同。但做大样本分析，要求所有的影像数据都是规范和标准的。

把影像数据交给机器前，需要对数据进行标记，所以数据的精确标记对于人工智能应用具有重要影响。

“再就是对病灶的精确分割，分割得越精确越好，这也是一个难点。”他说。

计算机技术与影像诊断的结合并非偶然。近年来“人脸识别”成为生活里的热门词汇，其背后就是计算机视觉技术的发展。通过深度学习技术，只要给机器提供一个图片数据集，让它去寻找图片之间的联系，最终就能形成一个相关性网络。用在医学影像上，就可以让机器来分析确诊病例的影像具有的而健康人影像上没有的特征，这些特征不仅可能是肉眼发现不了的细节，也可能根本不是按照人类的逻辑来归纳的。

“在人工智能研发应用方面，我国与世界先进国家基本处于同一水平，某些方面还处于领先地位。”范国华说，“对于人工智能应用于影像诊断，目前基本是医院根据自己的特点、优势及兴趣在做一些相关的工作。”

肺炎检测

范国华说，开展这方面研究的出发点是为临床诊断提供一些帮助，探索较早的较准确的诊断方法。“通过深度的信息挖掘，寻找不同的致病微生物之间产生的肺部炎症有什么差异。找到差异，就能为临床提供比较准确的影像诊断，有助于临床早做相应的处理。”

该研究自今年2月开始，按照课题规划预计一年时间完成，大概明年1~2月可投入临床使用。“目前已进行CT扫描技术的优化包括数据获取标准化方面的工作，同时收集相关病例的影像学资料、临床资料、实验室检测资料等，随后利用这些数据进行建模。”范国华说。

项目完成后如果新冠肺炎疫情已经过去，这项成果还有用吗？他对此表示：“我们希望能够尽早实际应用。疫情之后这套诊断系统主要还是应用于肺炎的检测及鉴别诊断。不同的致病微生物都可能引起肺部的炎症，以后在这方面可以做一些类似的工作，将研究成果应用于某些需要关注的肺部炎症。”此外他还谈到，项目是“边做边完善”的，在研究过程中会有一些阶段性成果产生。

核工业总医院的这项研究走在业界相关研究的前列，但作为项目负责人的范国华，态度很冷静：“这套诊断系统还在研究过程当中，目前处于研究初期，还牵涉到后续的很多工作，能达到的水平还要看以后工作开展的情况。”

尽管盛赞人工智能的优势，范国华认为机器还不能完全代替人的角色。对于“假如人工智能诊断错误是医生还是人工智能设备的责任”的问题，他答道：“这肯定是人作为责任的主体，人工智能给出的诊断结果最终需要专业医生把关，出具的影像诊断报告是由影像专业医生审核签字。目前来讲，人工智能参与的诊断，机器本身甚至机器的生产厂家都不可能来承担这样的责任。人工智能诊断系统作为辅助诊断的一个手段，最终还是需要我们人来把关。”

作者：李春平

责编：王宇翔

审校：连敏