应用X线胸片人工智能诊断新冠肺炎的研讨结果在Nature Biomedical Engineering颁发

近日，孙逸仙留念病院副院长林天歆传授团队在国内出名学术期刊Nature Biomedical Engineering颁发题为“A deep-learning pipeline for the diagnosis and discrimination of viral， non-viral and COVID-19 pneumonia from chest X-ray images”的论文，该研讨胜利开辟了基于X线胸片的人工智能诊断体系用于新冠肺炎的诊断以及与其他罕见的病毒及非病毒性肺炎的疾速智能，为新冠肺炎的防控增添了无力的支持。

该研讨由中山年夜学、北京邮电年夜学、清华年夜学、澳门科技年夜学、四川年夜学、安徽医科年夜学、三峡年夜学、广州市卫生广东省试验室、南京年夜学、北方医科年夜学等24家国际外年夜学及病院协作，由孙逸仙留念病院林天歆传授团队与北京邮电年夜学王光宇传授团队、澳门科技年夜学张康传授团队牵头单干实现，孙逸仙留念病院喷射科沈君传授为独特第一作者，林天歆传授为末了通信作者，孙逸仙留念病院为末了通信单元。该研讨获得孙逸仙留念病院院长宋尔卫院士的年夜力支持和精心指导。

胸片及胸部CT是新冠肺炎筛查、诊断及病情评价的紧张伎俩。胸片（CXR）非常复杂经济并且普及，是筛查和包含性、病毒性在内的各种肺炎的首选伎俩，开辟基于胸片的人工智能（AI）诊断体系能为新冠肺炎提供加倍经济且易于疾速普及的对象。

因为X线显示病变不迭CT清晰和全面，非病毒性肺炎、其他病毒性肺炎在胸片的影像特征比拟类似，是以基于胸片的人工智能（AI）诊断体系开辟必要年夜量的训练数据及加倍奇妙地人工智能的算法及流程。既往的AI模子基于弱监视分类或基于注意力的卷积神经网络用于CXR的肺部疾病检测。然而，今朝仍缺乏对可变的CXR图像前提具备鲁棒性而且可能知足理论临床利用尺度的全自动阐发流程。该研讨使用包括145，202张CXR图像的多中间数据集，以及其他四个行列步队和多个国度的数千张图像进行了回想性和前瞻性测试（图1），树立了基于CXR的图像尺度化、病变可视化和疾病诊断，可用于辨认新冠肺炎，并与其他病毒性肺炎及非病毒性肺炎相辨别的全自动深度培训流程，该人工智能体系实用于多种情况，通过在流程中引入剖解学界限自动检测完成CXR图像尺度化处置，同时为全自动培训和阐发各类肺炎的影像学特征提供指引，不仅具备很强的通用性，还能很好地疾速区分病毒性肺炎、其他类型肺炎和无肺炎（AUC=0.88-0.99），重大与不重大新冠肺炎（AUC=0.87），重大/不重大COVID-19肺炎、其他病毒性和非病毒性肺炎（AUC=0.82-0.98）。在自力的440张CXR测试中，该人工智能体系的诊断效能与高级喷射科医师相称，并可能显着进步低级喷射科医师的程度。

该人工智能体系在协助喷射科大夫疾速精确诊断年夜风行性肺炎中具备严重的临床代价。可以在没有分子检测成果或许CT高端影像资本缺乏的环境下，可能疾速精确诊断和评价新冠肺炎及其他病毒性肺炎的重大性，为临床晚期干涉提供决议计划支持。该体系可疾速部署到各级医疗中间，为抗疫提供又一强无力的对象。(100yiyao.com）