面向新型冠狀病毒肺炎臨床需求的智能影像評價系統
——人工智能在新型冠狀病毒肺炎診斷中的應用

杭州依圖醫療技術有限公司，浙江 杭州 310012

引言

自2019年12月開始，世界范圍內相繼暴發了由新型冠狀病毒感染導致的急性肺炎。此疾病具有較強的傳染性，且病情發展迅速，嚴重者會出現急性呼吸窘迫綜合征、呼吸衰竭等，甚至可能會導致死亡[1-3]。在國家衛健委頒布的《新型冠狀病毒感染的肺炎診療方案（試行第六版）》[4]中，影像學特征成為新型冠狀病毒肺炎（Coronavirus Disease 2019，COVID-19）診斷和分型的重要依據，直接決定后續分診和治療決策。因此，基于CT的影像學檢查及診斷是此次COVID-19防控診療中極為重要的信息來源。

人工智能（Arti ficial Intelligence，AI）概念自 1956年被首次提出以來，經過了60多年的演進與發展。在超級計算、大數據、移動互聯網、傳感網、腦科學等新理論和技術以及社會經濟發展強烈需求的推動下，AI已經在各行各業顯露身手，呈現出跨界融合、人機協同、自主操控、深度學習等特征。AI前沿技術現在快速融入醫療行業，醫學影像與AI的結合被認為是最具發展前景的領域[5-7]。

以深度學習和機器學習為代表的AI技術，可以通過對訓練數據集的學習，建立高精度的算法模型來提供高效的圖像分析和信息抓取功能。與此同時，AI技術還可以通過多維度高通量的信息處理技術，從影像數據和臨床文本數據中提取可量化的特征，包括醫生難以感知的信息，挖掘COVID-19患者在臨床和醫學影像數據中的特定模式，有利于開發出用于COVID-19的評估及病程檢測的系統，對于提高醫療機構的影像診斷能力具有重要意義。

1 COVID-19的臨床影像學表現

基于目前的流行病學調查，COVID-19的潛伏期1～14 d，多為3～7 d，早期難以發現。臨床以發熱、乏力、干咳為主要表現，少數患者伴有鼻塞、流涕、咽痛和腹瀉等癥狀。重癥患者疾病發展迅速，多在發病一周后出現呼吸困難和/或低氧血癥，嚴重者快速進展為急性呼吸窘迫綜合征、膿毒癥休克、難以糾正的代謝性酸中毒和出凝血功能障礙。值得注意的是，重癥、危重癥患者病程中可為中低熱，甚至無明顯發熱。

隨著疫情的發展和確診病例的增多，對于COVID-19影像學表現的研究也逐漸增多[8-10]。COVID-19的CT影像具有明顯的特點，早期呈現多發小斑片影及間質改變，以肺外帶明顯；進而發展為雙肺多發磨玻璃影、浸潤影，嚴重者可出現肺實變，胸腔積液少見[11]（圖1）。

圖1 COVID-19影像學表現

盡管COVID-19和其他肺炎在影像學表現上可能存在同影異病的情況，即不同病原體導致的肺炎表現具有一定重疊[12-13]（圖2）。但是影像學結合臨床表現和流行病史，可以在疾病早期大大提高診斷的準確率。

圖2 H7N9肺炎和COVID-19圖像比較

2 CT在COVID-19臨床診斷和防控中的作用

2.1 早期發現COVID-19病例

COVID-19的治療原則中，第一點就是根據病情確定治療場所。早期識別COVID-19和普通肺炎，對于提高COVID-19危重病例救治效率，防止疫情擴散，降低一線醫護人員及醫療機構壓力，都有巨大的意義。CT可顯示肺的細微解剖結構，對于肺部疾病征象的顯示較為明顯，且具有便利、快捷的特點。在危重疫區，基于肺炎表現檢出疑似陽性病例是COVID-19防控的關鍵手段，《新型冠狀病毒肺炎診療方案（試行第六版）》中，將具有COVID-19影像學特征作為了診斷標準之一。但是以影像科醫生肉眼判讀為主要手段的臨床影像診斷方法，由于醫生判讀速度、醫生精力和醫療資源的限制，無法滿足疫情期間COVID-19早期快速診斷的需求，需要以輔助手段解決檢查后如何快速提示疑似病例的問題。

2.2 病情評價

基于以往對于相似肺炎疾病的研究，影像學表現越差，患者預后越差[14]。對于COVID-19的病情評價，有助于患者得到最恰當的救治。在臨床上，COVID-19的影像學表現有助于判斷其臨床分型。COVID-19輕型患者臨床癥狀輕微，影像學未見肺炎表現；普通型具有發熱、呼吸道等癥狀，影像學可見肺炎表現。對于COVID-19的CT表現分期，目前尚缺乏系統的影像學表現與病例對照資料研究。相關的指南建議，根據病變受累的范圍和表現，將COVID-19的CT表現分為早期、進展期和重癥期。但是COVID-19表現存在著難以定量的問題。

2.3 療效評價

CT影像學數據有助于對COVID-19的療效評價。但是由于部分患者病情變化復雜，防疫工作緊張，一線影像科醫生沒有足夠的時間和系統學習材料來立刻增進COVID-19影像學的知識，造成在臨床中使用CT影像對COVID-19進行療效評價非常困難。

由上述影像和臨床診斷特征，對COVID-19患者的診斷和評價有如下的問題亟需解決：① 快速篩查：COVID-19傳染性強和進展快，需要早發現，早干預；② 定量評價：COVID-19常累計多個肺葉甚至全肺，定量評估指導臨床分診和治療非常必要；③ 療效對比：快速針對COVID-19療效給出精確評價。

3 AI產品輔助醫生進行COVID-19的影像學診斷

AI技術已經在影像輔助識別領域中得到充分驗證，可以對CT、MRI、超聲等多種模態的多種疾病影像特征進行精準的識別和輔助診斷[15]。我公司使用AI技術研發的基于COVID-19臨床需求的影像評價系統，結合COVID-19的影像特征，使用深度學習神經網絡可以快速檢出病灶區域，并進行分析和對比，滿足快速篩查、定量評價和療效對比的需求。該產品由3個基礎模塊組成。

3.1 COVID-19快速檢出模塊

該模塊通過3D肺模型幫助醫生快速提示COVID-19陽性及疑似病例。醫生傳統手動分析難以準確定量分析，對病情程度分級主觀差異大，采用傳統手工勾畫病變區域的定量評估方法耗時長，效率低，臨床推廣難度較大。利用該模塊能夠實現病變區域的自動檢測，在2～3 s內就能完成定量分析，節省了人力與時間投入，提升了病情評估效率。

3.2 基于COVID-19的通用肺炎定量評價分析模塊

COVID-19屬于病毒性肺炎的一種，其在影像診斷、鑒別和病程評估上與其他的病毒性肺炎有一定的共性。本系統通過計算機視覺技術，基于非典型肺炎和COVID-19數據，結合臨床實際和影像醫生的經驗，針對同類型肺炎的醫學影像關鍵參數和征象進行智能量化分析，從而實現對以COVID-19為代表的肺炎CT影像進行智能化定量評價，包括提示肺內疑似肺炎的患者，局部性病灶、彌漫性病變、全肺受累的各類肺炎疾病嚴重程度分級，對病灶的形態、范圍、密度等關鍵影像特征定量和組學分析，精確測算疾病累及的肺炎負荷。

FASTER-RCNN深度神經網絡已經被證明適用于醫學影像的識別[16-17]。在肺炎疑似區域檢出階段，構建2.5D的FASTER-RCNN深度神經網絡進行疑似炎癥區域的檢出，然后通過3D分類網絡過濾誤報，達到敏感性和特異性的平衡。算法架構如圖3所示。

圖3 炎癥檢出算法框架

3.3 智能隨訪與療效評價模塊

肺部影像的密度變化是反映病變程度的重要特征。在檢出肺炎的病例中，對于肺部區域進行密度分析，并與正常肺部密度的直方圖進行比較，可以量化地評估肺炎的嚴重程度。對多次檢查的結果進行時間序列對比，可實現對多次復查CT的全肺病變動態4D（三維影像+時間軸變化）對比（圖4）。

該系統通過從COVID-19患者CT影像中提取定量參數，可對肺炎嚴重程度進行自動量化評估。通過研究上百例COVID-19病例，將AI系統與高年資醫生的診斷結果相比較，發現該系統的定量參數與醫生的評價結果相似（相關性研究中R＞0.87，P＜0.001），顯示高穩定性的診斷質量。該系統已應用于部分醫療機構的大規模高質量COVID-19的定量診療工作。自上線以來，日均使用率超過90%。

4 討論

國家衛健委發布的《新型冠狀病毒感染的肺炎的診療方案（試行第七版）》中，將CT影像定為COVID-19的判定依據之一；同時，根據臨床經驗，進一步明確了COVID-19的CT影像學表現，并將CT影像的定量評價納入臨床分型依據。

圖4 肺炎影像評價系統

當前，對于放射科醫生來說，最難的是如何早期定量評價，評估疾病程度和發展趨勢，這有助于快速分診支持醫療資源的合理配置。如采用傳統的手工勾勒病變區域的方式，在300～400幀的薄層CT中逐層勾出病變的區域，每個病例需要耗費2～3 h，甚至更長時間，而AI在這方面有明顯優勢。在定量評價肺炎時，AI可對肉眼可見的炎癥主體病變區域進行邊緣勾勒，針對這部分區域做定量統計。同時，肺炎與其他邊界清晰的實體瘤不同，與瘤肺交界面比較清晰的病變相比，炎癥的邊界有時是不清楚的，受限于人眼在肺窗上觀察的灰階有限，病變鄰近的區域可能存在視覺上并不明確的潛在病變區域。除了肺炎的顯性病變主體，AI系統可將肺炎患者的全肺也進行全面評價，從整體和局部兩個方面定量評價肺炎。

該肺炎影像評價系統實現了快速篩查疑似患者、輕重癥分級和重癥化評估，輔助醫療機構準確分流患者；該產品能夠實現秒級定量分析，將原本幾小時的讀片時間縮短至數秒，能夠有效提升診療效率；產品特有的全肺病變4D評價和對比，從整體和局部兩個方面對肺炎進行定量評價，可助力評估疾病進展和治療隨訪。隨著COVID-19疫情的發展和復工返工潮的涌現，現在疑似患者可能正在向全國基層醫院或社區蔓延，基層醫療資源緊缺。此系統在各級醫療機構推廣，有望提升基層COVID-19的診療和評估能力。

5 總結和展望

當前，疫情防控工作正處于關鍵階段，AI產品在COVID-19影像學診斷中的應用可提高醫務人員的效率和診斷精度，提升醫療服務質量。隨著項目成果的推廣，將極大地提升COVID-19的診斷效率，保證診斷質量，減輕醫院壓力。