近日，達摩院聯合阿里雲針對新冠肺炎臨床診斷研發了一套全新AI 診斷技術，AI 可以在20 秒內準確地對新冠疑似案例CT 影像做出判讀，分析結果準確率達到96%，大幅提升診斷效率，河南鄭州小湯山已經引入該算法輔助臨床診斷。

新冠疫情早期，由於確診案例樣本量少，醫療機構缺少高質量臨床診斷數據，核酸檢測作為病原學證據被公認為新冠肺炎診斷的主要參考標準。隨著臨床診斷數據的積累，新冠肺炎的影像學大數據特徵逐漸清晰，CT 影像診斷結果變得愈發重要。根據國家衛健委公佈的診療方案第五版，臨床診斷無需依賴核酸檢測結果，CT 影像臨床診斷結果可作為新冠肺炎病例判斷的標準。

新冠肺炎患者的CT 胸片的影像特徵表現為單肺或雙肺多發、斑片狀或節段性磨玻璃密度影等細微變化。一位新冠肺炎病人的CT 影像大概在300 張左右，這給醫生臨床診斷帶來巨大壓力，醫生對一個病例的CT 影像肉眼分析耗時大約為5-15 分鐘。

達摩院醫療AI 團隊基於當前最新的診療方案、鐘南山等多個權威團隊發表的關於新冠肺炎患者臨床特徵的論文，與浙大一附院、萬里雲、長遠佳和古珀醫院等多家機構合作，突破訓練數據不足的局限，基於5000 多個病例的CT 影像樣本數據，學習訓練樣本的病灶紋理，研發了全新的AI 算法模型。

通過NLP 自然語言處理回顧性數據、使用CNN 卷積神經網絡訓練CT 影像的識別網絡，AI 可以快速鑑別新冠肺炎影像與普通病毒性肺炎影像的區別，最終識別準確率高達96%。AI 每識別一個病例平均只需要不到20 秒，大大提高診斷效率，減輕醫生壓力。此外，AI 還能直接算出病灶部位的佔比比例，進而量化病症的輕重程度，大幅提升臨床診斷效率。

在CT 影像識別算法之外，達摩院還與阿里雲研發了輔助診斷算法，該算法可以根據患者基本信息、症狀、實驗室檢查結果、流行病學史、影像報告等多維信息，進一步幫助輔助醫生製定科學的治療方案。

達摩院算法專家徐敏豐表示，“新冠肺炎屬於新病種，疫情爆發至今仍舊沒有公開的數據集，但隨著臨床數據的積累，AI 算法將在新冠肺炎診斷中發揮更大的價值。”據透露，除了落地河南鄭州小湯山醫院，上述算法還將在湖北、廣東、安徽等地近100 家醫院落地。

(InfoQ)