近日，达摩院联合阿里云针对新冠肺炎临床诊断研发了一套全新 AI诊断技术，AI 可以在 20 秒内准确地对新冠疑似案例 CT 影像做出判读，分析结果准确率达到 96%，大幅提升诊断效率，河南郑州小汤山已经引入该算法辅助临床诊断。
新冠疫情早期，由于确诊案例样本量少，医疗机构缺少高质量临床诊断数据，核酸检测作为病原学证据被公认为新冠肺炎诊断的主要参考标准。随着临床诊断数据的积累，新冠肺炎的影像学大数据特征逐渐清晰，CT 影像诊断结果变得愈发重要。根据国家卫健委公布的诊疗方案第五版，临床诊断无需依赖核酸检测结果，CT 影像临床诊断结果可作为新冠肺炎病例判断的标准。
AI 自动识别新冠肺炎病例 CT 胸片
新冠肺炎患者的 CT 胸片的影像特征表现为单肺或双肺多发、斑片状或节段性磨玻璃密度影等细微变化。一位新冠肺炎病人的 CT 影像大概在 300 张左右，这给医生临床诊断带来巨大压力，医生对一个病例的 CT 影像肉眼分析耗时大约为 5-15 分钟。
达摩院医疗 AI 团队基于当前最新的诊疗方案、钟南山等多个权威团队发表的关于新冠肺炎患者临床特征的论文，与浙大一附院、万里云、长远佳和古珀医院等多家机构合作，突破训练数据不足的局限，基于 5000 多个病例的 CT 影像样本数据，学习训练样本的病灶纹理，研发了全新的 AI 算法模型。
通过 NLP 自然语言处理回顾性数据、使用 CNN 卷积神经网络训练 CT 影像的识别网络，AI 可以快速鉴别新冠肺炎影像与普通病毒性肺炎影像的区别，最终识别准确率高达 96%。AI 每识别一个病例平均只需要不到 20 秒，大大提高诊断效率，减轻医生压力。此外，AI 还能直接算出病灶部位的占比比例，进而量化病症的轻重程度，大幅提升临床诊断效率。
医护人员使用 AI 识别新冠肺炎病例 CT 影像
在 CT 影像识别算法之外，达摩院还与阿里云研发了辅助诊断算法，该算法可以根据患者基本信息、症状、实验室检查结果、流行病学史、影像报告等多维信息，进一步帮助辅助医生制定科学的治疗方案。
达摩院算法专家徐敏丰表示，“新冠肺炎属于新病种，疫情爆发至今仍旧没有公开的数据集，但随着临床数据的积累，AI 算法将在新冠肺炎诊断中发挥更大的价值。”据透露，除了落地河南郑州小汤山医院，上述算法还将在湖北、广东、安徽等地近 100 家医院落地。