人工智能助力新型冠狀病毒肺炎胸部CT診斷的應用

唐永強，石明國，張 樹，陳玉環，鄭敏文

1. 空軍軍醫大學西京醫院 放射科，陜西 西安 710032；2. 深睿醫療，北京 100080；3. 北京推想科技有限公司，北京 100025

引言

新型冠狀病毒肺炎（Coronavirus Disease 2019，COVID-19）疫情對全球人類健康和生命以及整個國際衛生系統和經濟系統構成了重大威脅[1-3]，國家衛生健康委員會也將其納入乙類傳染病，并按甲類傳染病采取預防和控制措施[4]。

COVID-19核酸檢測為當前疾病確診標準，但是其陽性率低且結果受多種因素影響。傳統CT診斷主要依靠影像診斷醫師的視覺判斷和經驗性診斷，缺少客觀精準的量化評價指標。人工智能（Arti ficial Intelligence，AI）技術在快速疾病篩查與精準定量診斷中應用良好。AI技術在COVID-19胸部CT診斷中也初步應用，主要應用在能夠更敏感發現COVID-19病變并智能提供量化評價指標等，從而助力COVID-19的早篩查、早診斷、早隔離、早治療。

1 胸部CT對COVID-19診斷現狀

1.1 COVID-19 “金標準”診斷受限

隨著對COVID-19的逐漸認識，針對該病的防控、診斷和治療而建立的專家共識、指南和標準也在逐步建立和不斷完善。在《新型冠狀病毒感染的肺炎診療方案（試行第五版）》中，新冠肺炎診斷依據流行病學史和臨床表現，明確診斷仍需依據病毒病原學核酸檢測或基因測序[5]。而作為“金標準”的核酸檢測則存在診斷試劑供應不足、檢測結果需時較長、咽拭子取樣不準等多方面的限度可導致核酸檢測出現假陰性的現象[6]，這使得疾病的排查和收治工作存在隱患。

1.2 常規胸部CT檢查在COVID-19診斷中的優勢及局限性

隨著幾個月來對疾病的不斷深入探索和臨床實踐的經驗總結，胸部CT因檢查速度快、陽性率高等特點成為篩查COVID-19有效的手段之一。最新的第五版《新型冠狀病毒感染的肺炎診療指南》明確將“疑似病例具備肺炎影像特征者作為當前湖北省重疫區臨床診斷病例標準”，且目前湖北省已將臨床診斷病例數納入新增數據。這進一步突顯了胸部CT檢查在COVID-19診斷中的重要價值。尤其是胸部CT具有高空間分辨率等優勢，對肺內結構細節可清晰顯示，病變觀察更為清晰準確。研究結果已顯示，少數COVID-19病例雖然核酸檢測呈陰性，但通過典型的胸部CT征象則能夠給予較好的診斷提示[7]。COVID-19的早期肺內病灶多為斑片狀磨玻璃影（Ground-Glass Opacity，GGO），以外帶和胸膜下分布為主。GGO可伴或不伴小葉間隔增厚（圖1）。這些典型CT征象可早于臨床癥狀出現，為臨床早期診斷提供了幫助，在COVID-19早期發現及診斷方面發揮重要作用。

圖1 COVID-19感染的肺炎CT表現

然而，COVID-19的CT診斷也存在一些局限性：首先，影像學診斷中“異病同影”現象并不少見，病毒性肺炎的影像學表現多樣且為非特異性，常與其他非病毒感染或其他炎性疾病的影像學表現重疊，較難鑒別[8]，單純靠傳統影像學征象判斷是否為COVID-19感染所致的肺炎，存在挑戰；其次，雖然已有學者觀察到COVID-19具有一些較為典型的CT表現[9-10]，如早期為多發片狀磨玻璃影，其內紋理可呈網格狀改變，多發生在雙肺胸膜下，極少數或少數伴胸腔積液或淋巴結腫大等，然而，目前公開的數據多數仍是基于小范圍、小樣本的CT診斷經驗報道；第三，COVID-19胸部CT檢查需亞毫米薄層重建，還需MPR重建同時觀察多個不同病灶，圖像較常規胸部CT圖像明顯增多，這大大增加了診斷醫師的工作時長；第四，目前基層放射醫師診斷經驗較少，尤其是基層醫院臨床一線醫師診斷經驗不足等因素，也增加了放射診斷醫師的工作難度。

2 AI在胸部影像的應用現狀

AI是一門研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的新的技術科學。近年來隨著AI技術不斷發展及其在醫學中的研究和應用的興起與逐漸成熟，引起了廣泛關注，主要包括醫學影像、臨床決策支持、病例分析、語言識別、藥物挖掘、健康管理、病理學等多個醫學應用場景[11]。從另一方面，尤其是深度學習（Deep Learning，DL）技術的研究應用中，為復雜醫學問題和醫學影像的智能客觀定量、分割、檢測和分類提供了有力的技術支持，為疾病的早期篩查、精準診斷和智能定量評估和預測預后等方面做出了許多顛覆性的貢獻[12]。AI在胸部影像的研究和應用是目前最多和最成熟的[13-16]。如Ardila等[13]基于3D卷積神經網絡AI技術與來自共14851例患者42290次胸部低劑量CT檢查的公開數據集，實現了肺癌的早期智能診斷，且模型整體效能優于6名平均放射科醫生水平；又如Xu等[14]使用DL技術和胸部CT隨訪影像數據實現了智能評估非小細胞肺癌治療效果及預測預后；Liu等[15]采用DL模型自動檢測肺結節，并與放射科醫生的診斷效能進行比較，結果表明DL模型顯示出更高的診斷敏感性，且不受輻射劑量、患者年齡或CT機型的顯著影響，此外，當放射科醫生聯合DL模型進行輔助診斷時，可提高整體診斷效能，明顯減少診斷時間；Wang等[16]則將DL技術用于影像診斷醫生對肺結節的智能輔助診斷，同時將其融入影像技師的工作流程中，從而實現了全影像檢查工作流程的整合優化，有助于提升醫療效率和醫療質量。

3 AI在COVID-19診斷與治療中的初步應用

面對此次突發疫情，國內、外學者專家都在各自的領域內積極探索和尋找突破口。其中，科技部、衛健委等在全國范圍內鼓勵和倡導開展新冠肺炎的科研應急攻關項目[17-18]。國務院應對新冠肺炎疫情聯防聯控機制公開發文[19]倡議進一步發揮AI的賦能效用，把加快有效支撐疫情防控的相關產品的攻關和應用作為優先工作。

基于前期AI技術在胸部影像中的研究和產品應用的經驗積累，已有史河水等[20]提出希望能有研究出基于AI技術的影像輔助診療系統，可全自動、快速、準確地為醫生提供診療意見，提高工作效率，縮短工作時間，從而大幅減輕一線醫務人員的工作負荷，緩解醫務人員緊缺的困難局面。

多家AI企業也陸續推出針對此次新冠肺炎的AI影像產品[21]結合AI應用，可更敏感發現GGO、空氣支氣管征、網格影、血管增粗、條索影等征象，可有效提高微小病灶檢出率，減少漏診率。AI助力的胸部CT可根據病毒性肺炎影像學診斷標準，提供對單體炎性病灶的定位、自動定量分析、對比病變范圍和密度變化、自動對比病灶數量及體積比等。并可自動生成表格，使患者影像學診斷指標一目了然，還可提供炎癥患者數據的隨訪管理系統。部分軟件甚至具有COVID-19掌上APP在線自助篩查問診功能、區域疫情實時監控、院內數據互通等眾多功能，幫助醫生快速評估患者病情，有效減少了當前COVID-19篩查診斷過程中存在傳染風險、減輕醫務人員工作壓力，便于早期對于疑似病例采取隔離措施。黃璐等[22]關于新冠肺炎不同臨床分型CT征象和臨床表現的相關性研究中，根據客觀病程進展，應用肺炎特別版AI軟件對肺炎病變區域進行智能分割并定量計算病灶占整肺體積的百分比，結果發現重型及危重型COVID-19患者病灶占整肺百分比呈現遞增趨勢，這有利于對患者病變嚴重程度的評估，也為患者病程進展提供準確的量化評估指標，有利于病灶動態評估。

總之，AI助力COVID-19影像診斷的效果已初見曙光，隨著對疾病的進一步認識和研究以及AI可自動學習圖像中一些傳統圖像分析方法無法識別的特征層信息的自身優勢、用于AI學習的高質量數據的逐步積累、AI模型精度的進一步提升以及AI產品的應用推廣等，一定會進一步增強放射科及臨床醫生對COVID-19更快速篩查、早期診斷、精準定量評估等診治能力，從而助力COVID-19早篩查、診斷、早隔離、早治療的綜合防控和診治體系的建立。