9月23日，一篇基于深度学习模型对新冠肺炎（COVID-19）诊疗的大规模、多中心回顾性研究在全球顶级医学期刊《柳叶刀》旗下新刊The Lancet Digital Health发表。该论文从新冠肺炎诊断、临床分诊效率、病情监控、轻症及无症状感染者等多个角度系统研究了深度学习模型的价值和作用，由华中科技大学同济医学院附属同济医院（简称武汉同济医院）、武汉科技大学附属天佑医院、咸宁市中心医院、中南大学湘雅二医院、国家感染性疾病临床研究中心（深圳市第三人民医院）等国内多家知名医院与北京推想科技有限公司（简称推想科技）联合完成，武汉同济医院、湘雅二医院、推想科技为共同第一作者，武汉同济医院院长王伟为通讯作者。
本研究提出了一种基于CT影像分诊疑似新冠肺炎患者，并可以自动定量分析确诊患者病灶的深度学习模型。研究团队在不同发病率地区的多家医院连续收集真实临床数据，组成外部验证集来验证模型的分诊效率和准确率；研究团队还收集了100套RT-PCR确诊病人的CT前后片，用以验证模型病灶分析的性能。
研究团队首先收集了2447例胸部CT影像（1647例为RT-PCR确诊阳性，800例为RT-PCR确诊阴性）用于模型训练，639例胸部CT影像（439例为RT-PCR确诊阳性，200例为RT-PCR确诊阴性）用于模型内部验证。模型在内部验证集上的AUC，灵敏度和特异度分别为0.985 (95% CI 0.982–0.989)，0.973 (0.966–0.980)，和0.850 (0.827–0.875)。
其次，研究团队分别从武汉科技大学附属天佑医院（武汉，发病率约0.566%），咸宁市中心医院（咸宁，发病率约0.034%）和中南大学湘雅二医院（长沙，发病率约0.003%）连续收集了1097，820和203套发热门诊患者的胸部CT影像作为外部验证集。以患者CT影像报告为参考标准，模型的AUC，灵敏度，特异度，PPV和NPV分别为0.953 (0.949–0.959)，0.923 ( 0.914–0.932)，0.851 (0.842–0.860)，0.790 (0.777–0.803),和0.948 (0.941–0.954)。
此外，研究团队还模拟将AI应用于临床流程中，以探究其分诊效率。模型直接将影像学结果提示给高年资医师或临床医师可显著缩短得出阳性患者影像学报告所需时间（p<0.0001）。模型将结果报告给高年资医师和临床医师可减少的时间中位数和四分位距分别为15.73（11.05-25.25）和22.62（15.12-38.63）分钟。
为验证模型针对轻症乃至无症状患者的表现，研究团队额外收集了761例来自方舱的轻症或无症状患者的胸部CT影像，其中618（81%）位患者有新冠相关的影像学表现，模型的灵敏度为0.886 (0.873–0.898)。研究还收集了686例疫情爆发前天佑医院和深圳市第三人民医院的胸部CT影像用以验证模型在非新冠混淆病例上的表现，模型的特异度为0.822 (0.808-0.836)。
该研究收集了多个来自真实临床场景的数据集用以验证模型在新冠肺炎疑似患者分诊和病灶分析方面的表现，是国内鲜有的基于深度学习模型的COVID-19大规模、多中心临床研究。研究结果显示，模型具有较好的鲁棒性，在多个数据集中表现稳定。此外，研究团队将深度学习模型融入传统临床流程以加速疑似患者的分诊，其自动病灶分析功能对新冠肺炎患者的病情监控和管理均具有重要意义。
自新冠肺炎疫情爆发以来，推想科技不但在第一时间推出人工智能产品辅助新冠肺炎的筛查与监测，更是与国内多家医院展开深度科研合作并产出优质成果。面对未知的病毒，面对第六次国际公共卫生紧急事件和全球大流行，只有深入的科学研究才能帮助人类了解它并战胜它。截至目前，推想科技与合作医院已经发表了十余篇关于新冠肺炎的颇具影响力的科研成果，不乏全球顶级医学期刊JAMA及其子刊JAMA Network Open、医学影像顶级期刊Radiology新刊等等。未来，推想科技将继续站在AI医学科研的最前沿，与疾病战斗，与未知战斗。
