澳科大醫學院在國際頂級期刊《Cell》 人工智慧助力CT影像診斷新冠肺炎

自年初新冠肺炎疫情暴發以來,全國各地及海內外醫務人員齊心協力,使國內疫情得到了有效控制,但國際上,世界各國疫情防控問題依然很嚴峻。據世界衛生組織(WHO)統計,截至4月26日,全球確診病例2,897,645例,死亡202,880人,超過200多個國家和地區發現確診病例。是次爆發的全球性的新冠肺炎已被世界衛生組織列為最高級別公共衛生緊急事件。

4月25日,澳門科技大學醫學院張康教授作為第一作者和通訊作者在國際頂級期刊《細胞Cell》 發文「Clinically Applicable AI System for Accurate Diagnosis, Quantitative Measurements and Prognosis of COVID-19 Pneumonia Using Computed Tomography」(人工智慧助力CT影像對新冠肺炎進行精准診斷、定量測量和重症預測)。這是澳科大首次以第一完成單位在《細胞Cell》主刊發表研究論文。《細胞Cell》為一份同行評審科學期刊,主要發表生命科學領域中的最新研究發現,是全世界最權威及擁有高影響力的學術期刊之一。

澳科大醫學院院長霍文遜表示,由澳科大醫學院張康教授帶領的科研團隊,與清華大學和中山大學孫逸仙紀念醫院(中山大學附屬第二醫院)合作,聯合廣州再生醫學與健康廣東省實驗室、四川大學華西醫院等單位,合作研發了基於胸部CT影像的新冠肺炎AI輔助診斷系統,該系統可在20秒內高效區分新冠肺炎與其他病毒性肺炎並可預測危重等級,且精準度高達90%以上。新冠肺炎不僅可進展為嚴重急性呼吸窘迫症,還會影響多種組織和器官系統衰竭,導致預後差和死亡率高。因此,識別風險因素並提前預測重症對於早期干預和更好的治療結果至關重要。

張康教授對是次研究解釋到,由20位10至15年以上資深的影像科專家小組對數據進行分級質量控制後構建了一個50萬的影像數據集。AI團隊運用深度學習、語義分割、多個神經網路架構等創建一個包含文本分析、量化分析和診斷分類在內的三大模塊的AI診斷模型。文本的定性分析來區分NCP(新冠肺炎)與OVP(其他病毒性肺炎);再通過定量測量分割後的肺病灶,如毛玻璃影的體積比和實變體積比。此外,基於國際標上肺病變與肺及肝損傷相關研究結果以及臨床指標,而製定了一個綜合評分系統,該系統可對NCP危重病變進行精準預測,預測結果對預後干預和治療具有重要價值,尤其對用藥後的病程對比,進而指導臨床用藥。該項技術推進了精準醫療、智慧醫療和縱向隨訪的發展步伐,也提出一種新的預防建議,即除了改善肺功能外,還可通過保護其他重要器官和穩定系統迴圈特性來預防進展為危重疾病。

該AI模型以高精準度和高效率的優勢,不僅可以輔助臨床醫生做斷診決策,提高診斷準確率,緩解對診斷專業知識的需求,還可以減少其工作量,加快診斷效率,節省患者等待時間。為病情進展和預後管理提供有效依據。隨著該成果的發佈,一個高質量、大規模的影像數據庫也隨之面世,技術代碼亦與全世界分享。這不僅代表了技術上的突破性進展,還為國際上對新冠肺炎研究做出巨大貢獻。同時,該新冠肺炎AI影像輔助診斷系統已經過多次演算法更迭與系統升級,目前最新雙語版本已在國內外多家試點醫院完成落地部署,且受到各界高度認可。

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。