新冠肆虐，疫情嚴峻。疫情面前，國內很多醫(yī)療AI公司站了出來，與放射科醫(yī)生一起，開發(fā)出了針對新冠肺炎的AI產品，與醫(yī)生一起攜手前行。

2月18日，春節(jié)后的第一期在線學術報告，醫(yī)學圖像計算青年研討會（MICS）邀請了武漢協(xié)和醫(yī)院史河水主任、長征醫(yī)院劉士遠主任、UNC沈定剛教授以及聯(lián)影智能、柏視醫(yī)療、深睿醫(yī)療、推想科技、依圖醫(yī)療5家推出新冠肺炎AI產品的企業(yè)代表，共同討論了基于CT影像診斷新冠肺炎的進展，以及AI在輔助醫(yī)生診斷新冠肺炎中發(fā)揮的作用。

醫(yī)學圖像計算青年研討會（Medical Imaging Computing Seminar，MICS）創(chuàng)立于2014年，由醫(yī)學影像領域的頂尖學者沈定剛教授發(fā)起，聚焦于最近醫(yī)學圖像計算領域的原創(chuàng)研究，歡迎醫(yī)學圖像處理、計算機視覺、人工智能等新理論、新方法、新應用的展示，以及影像與臨床醫(yī)學、基礎醫(yī)學深度交叉的突破性進展報告。

作為本次MICS講座的戰(zhàn)略合作媒體，雷鋒網AI掘金志也第一時間整理了本次講座的精編內容。

講座的第一位演講嘉賓是武漢協(xié)和醫(yī)院放射科的史河水主任。作為核心疫區(qū)的影像工作者，史主任利用半個多小時的時間，分享了自己關于肺炎疫情的最新醫(yī)學觀察。

史河水主任首先科普了新冠病毒作用在肺部的原因：即冠狀病毒的S蛋白與人體中ACE2相結合進行復制，而ACE2受體主要存在肺泡上皮細胞，所以才會在肺部發(fā)作，成為呼吸道傳染疾病。

此外，史主任還揭示了致命的“細胞因子風暴”——人體免疫系統(tǒng)跟新冠病毒進行對抗階段會產生大量細胞因子（炎癥介質），這種細胞因子一方面起到消滅病毒的作用，然而另一方面也會損傷肺和其它身體組織結構，最終導致人體多個器官衰竭。史主任指出，細胞因子風暴是導致新冠肺炎患者死亡的重要因素。

隨后，他又通過與解剖病理的關聯(lián)進一步揭示“新冠病毒的影像學表現”。

他表示，雖然目前確診病例已經達到7萬多人，但是獲得病理的數量寥寥無幾。在中南醫(yī)院兩例肺腫瘤切除的病理發(fā)現了新冠肺炎征象，其中肺泡內有蛋白質滲出、肺泡細胞壁增厚、形成肉芽腫等表現，這與此前301醫(yī)院尸檢病理表現一致。但是301醫(yī)院解剖病理中出現了透明膜，患者晚期透明膜的形成，會引發(fā)呼吸窘迫綜合癥，有了這些病理學征象，對影像學診斷很有幫助。

史主任還提到，目前臨床診斷已經有四個分型，但是沒有對病例進行臨床分期。“病變演變與臨床分期密切相關，很多新冠患者已經痊愈出院，就可以對其病程進行分期，有了臨床分期，影像學也就可以分期，但是臨床分期目前還在討論中?！?/p>

當然，作為一名放射科醫(yī)生，史主任也對AI在新冠肺炎防治起到的作用表示肯定。

首先，目前病人檢查量比較大，影像變化復雜，臨床醫(yī)生負擔重，AI的定量分析功能可以在每次CT檢查、隨訪和復查中反映病變體積與分布；

其次，目前新冠肺炎處于爆發(fā)期，對醫(yī)生來說比較容易診斷，爆發(fā)期過去之后，鑒別新冠肺炎和其他病毒性肺炎對醫(yī)生將會形成挑戰(zhàn)，AI將會發(fā)揮自己的價值，幫助醫(yī)生做出更準確的判斷；

最后，在影像分期與愈后評價上，愈后的恢復期可以根據SARS的經驗去做，現在大多數新冠肺炎患者恢復的比較好，AI可以綜合一系列的體征數據對患者進行隨訪觀察。

第二位演講嘉賓是聯(lián)影智能美國分公司計算機視覺方向負責人吳子彥博士，他分別介紹了聯(lián)影智能兩款針對新冠肺炎的防治產品：天眼CT平臺和uAI Vision。

吳子彥博士表示：“天眼智能CT平臺可以通過無人操作避免醫(yī)護工作者被感染，利用安裝在CT掃描間頂部的攝像頭獲取圖像，再通過人工智能算法分析患者當前體位定位出掃描區(qū)域，之后對患者進行自動移床，在最后掃描范圍確認階段，技師也可以通過用戶界面對平臺計算的掃描范圍確認，整個過程無人化，技師不需要進入掃描間。“

而uAI Vision是一種智能邊緣計算平臺，目前可以跟聯(lián)影的所有醫(yī)療影像模態(tài)集成，提供自動擺位、運動監(jiān)測、體態(tài)建模、態(tài)勢感知和病人信息確認功能；實現對解剖學關鍵點檢測，姿態(tài)分類，3D體態(tài)建模，可以即插即用。

目前，這兩款平臺已在武漢火神山醫(yī)院和上海多家醫(yī)院完成部署并投入運行。

第三位演講嘉賓是聯(lián)影智能研發(fā)副總裁高耀宗博士，他詳細介紹了聯(lián)影智能新冠肺炎輔助分析產品。

在演講中，高博士表示，聯(lián)影智能新冠肺炎輔助分析產品有一系列亮點功能：影像快速篩查，找到疑似肺炎者提醒醫(yī)生優(yōu)先閱片；對新冠肺炎感染區(qū)域自動勾畫，顯示全肺感染比例和體積；對感染區(qū)域提供HU直方圖，分析磨玻璃成分和實性占比；對于同一個病人全肺和肺葉、肺段，體積和密度提供隨訪評估。

他表示：“在對600例新冠陽性圖像和600例陰性數據的驗證下，聯(lián)影智能分割算法的敏感性和特異性都可以達到96%。對100例新冠肺炎確診患者圖像的自動勾畫與手動勾畫對比，重合率達到87%，感染區(qū)域的體積誤差小于1%?！?/p>

值得一提的是，聯(lián)影智能的新冠肺炎輔助分析產品也已經在火神山醫(yī)院和聯(lián)影設備搭配使用，并且，還通過聯(lián)影醫(yī)療影像云，部署到了武漢多家醫(yī)院。

隨后，柏視醫(yī)療董事長陸遙介紹了基于小樣本數據開發(fā)的新冠肺炎AI產品。

陸遙表示：“目前新冠肺炎訓練數據量比較小，只能基于小樣本機器學習算法研發(fā)輔助診斷AI產品。為此，柏視醫(yī)療提供了針對新冠肺炎的輕量級輔助閱片工具，對病灶進行定量分析和隨訪。”

其中，柏視醫(yī)療針對臨床醫(yī)生需求提供的量化分析工具可以對肺密度和肺體積進行分析，可以對體積占比、CT值、病灶位置進行分析。

最后陸遙提出，柏視醫(yī)療的新冠肺炎AI產品可以對隨訪歷史影像對比，檢查每個病灶配準前后變化。另外，三維重建支持平掃和增強多種協(xié)議圖像重建。

第五位分享者是深睿醫(yī)療研究員張樹，他介紹了深睿Dr.Wise肺部疾病智能解決方案。

他表示：“目前，放射科醫(yī)生的臨床工作量非常大，而新冠肺炎征象表現非常不明顯，為診療帶來難度。

為此，深睿提供三個解決方案：小睿醫(yī)助，幫助在家進行自診自查和科普防護宣傳；新冠肺炎輔助診斷系統(tǒng)，對新冠肺炎病變提供分析和追蹤隨訪；智能影像云平臺，賦能基層遠程閱片。

張樹說到，深睿在1月31號推出第一版新冠肺炎產品之后，就對武漢的醫(yī)院捐助了本地版，目前產品已經在全國10多家醫(yī)院使用，而云端產品也已在多家醫(yī)院完成部署。

最后，張樹表示：“深睿在整個2019年科研有很多投入，在CV和人工智能領域發(fā)表了60多篇文章?！?/p>

第六位分享者是推想科技科研產品負責人武江芬

今年1月31日，推想科技宣布推出針對新冠肺炎篩查產品。武江芬表示：“武漢封城晚上，推想就啟動了肺炎研發(fā)工作。新冠肺炎AI系統(tǒng)1月29號就在武漢同濟醫(yī)院上線，提供包括預警、診斷、評估和監(jiān)控4個功能，會自動檢測新冠肺炎數據，第一時間提示隔離，從而降低交叉感染風險，避免造成整個醫(yī)院都被隔離的情況?！?/p>

武江芬還表示：“目前，推想新冠肺炎AI系統(tǒng)正在不同省份做項目申請，最近也剛剛中標新冠肺炎相關課題，中華放射學雜志的首篇人工智能新冠肺炎相關文章，就使用了我們的這套系統(tǒng)。”

她在演講中還透露，推想新冠肺炎AI系統(tǒng)已在全國上線10多家醫(yī)院，其中武漢同濟醫(yī)院、中南醫(yī)院、火神山醫(yī)院等醫(yī)院，目前已經診斷上萬例新冠肺炎數據。

第七位分享者是依圖醫(yī)療副總裁石磊，放射科醫(yī)生出身的他，總結了目前新冠肺炎的影像特點以及依圖醫(yī)療應對疫情開發(fā)的AI產品。

石磊表示：“新冠肺炎具有早期癥狀隱匿、傳染性強，部分患者進展快等特點。目前缺乏特異臨床表現和實驗室檢查手段，單單基于影像無法解決今天新冠肺炎早期診斷問題。”

但是他還說到：“依圖醫(yī)療新冠AI除了影像發(fā)現之外，還做了定量評價，對肉眼可以看到的病變區(qū)域進行邊緣勾勒定量統(tǒng)計。雖然定量分析是好方法，但是從醫(yī)學的角度來看，肺內有些病變邊界是不清楚的，比如兩肺彌漫性密度增高、磨玻璃密度增高，這些病變邊界很難勾勒出來，所以，依圖同時關注全肺和肉眼可見的病灶區(qū)域。

此外，石磊博士提出一個觀點：如果不及時治療，有一部分普通型患者可能會發(fā)展為重型，把這一部分患者定量地檢測出來，是今天臨床當中必須要考慮和突破的關鍵問題?；谟跋窈团R床信息建立的深度學習模型，可以預測哪些患者出現重癥的風險。

史河水主任和大會六位演講嘉賓分享之后，雷鋒網還整理了提問和討論環(huán)節(jié)。上海長征醫(yī)院影像醫(yī)學與核醫(yī)學科主任劉士遠教授和UNC沈定剛教授共同出席，與前幾位講者一起，回答了聽眾最關心的幾個問題。

Q：核酸檢測假陰性比較多，CT是不是也有這樣的問題？

劉士遠主任表示：“目前，核酸檢測受到采集技術、采集部位、試劑盒質量以及疾病不同階段影響，假陰性的病人較多。而CT敏感性極高，只要肺內有病灶，CT檢測基本都能夠發(fā)現；所以在武漢只要CT符合新冠肺炎表現，將病人作為臨床診斷病例隔離收治準確性很高，具有一定合理性！但由于異病同影現象，CT存在假陽性的機率，過度依賴CT有可能造成誤傷。另外，核酸檢測陽性，也就是確診的病例也可能在CT上表現正常，這是疾病表現復雜性多樣性造成的，這類病人不存在肺部炎癥，可以稱為新型冠狀病毒感染患者，是否可作為假陰性，有待商榷。”  

他補充道，應該避免武漢的經驗泛化，其他地方用CT確診不一定適用，在湖北以外特異性就會低很多。CT作為重要的診斷依據，特異性越高，診斷價值越大，它和核酸檢測是相互印證的關系，不要對立。

Q：在AI的幫助下，有沒有可能幫助患者減少重復檢查次數？

劉士遠主任表示：“一定會，因為AI除了用于CT影像，還可以與臨床數據、實驗室數據、生化指標、核酸檢測進行關聯(lián)學習。比如CT診斷關聯(lián)核酸檢測和接觸史就可以提升CT的準確性，檢測的準確性可以通過AI進一步提升是有可能的?！?/p>

Q：通過AI的方式，可以發(fā)現早期新冠疑似病人嗎？

高耀宗表示：“冠狀肺炎早期病人，CT影像沒有任何的病灶，光靠CT影像沒辦法發(fā)現，還要通過流行病學史、接觸史和核酸檢測來確診。在CT影像上有表征的患者，用現有肺結節(jié)AI產品，也可以發(fā)現這些病灶，但是對于彌漫性病灶，之前的技術可能不夠，研發(fā)新冠肺炎AI技術就很有必要。因此，對于CT上有征象的病人，我們認為通過AI技術，能盡量做到減少漏診?！?/p>

Q：如果要檢查新冠肺炎，DR和CT怎樣選擇？

劉士遠主任表示：“從病灶檢查的角度來說，CT肯定是首選，但是CT檢查存在交叉感染的風險，特別是大多數醫(yī)院的急診CT室和普通病人交叉使用，這就需要做好消毒措施。而DR一般在發(fā)燒門診里面就有，病人不用回來跑，可以避免交叉感染，只是DR無法顯示早期病灶。“

他建議，沒有明確確診或者核酸檢測陰性，需要用一次CT檢查來確定。對于已經確診，復查盡量選用DR。但是最后出院還是要通過CT檢查，評估患者狀態(tài)。

Q：推想在新冠系統(tǒng)落地過程中遇到過哪些問題？

武江芬表示：“從硬件角度遇到四個問題，第一、本地版部署遇到交通問題，交通管制對產品上線過程中從研發(fā)、運營、執(zhí)行、產品等一系列人員交通造成阻礙；第二、醫(yī)院防控，上線人員的醫(yī)院防護；第三、配合度問題，疫情期間很多醫(yī)生不在醫(yī)院；第四，云平臺產品面臨的數據安全問題?！?/p>

最后她表示，推想遇到的困難，都是因為特殊的疫情而產生，技術層面所遇到的困難其實很少。

Q：現在新冠肺炎AI的成熟度是否能夠應用于臨床？

劉士遠主任表示：“目前，AI只是處于初級階段，還需要更多數據更新迭代。而且企業(yè)也沒有明確提到使用多少例數據，因此敏感性和特異性還有待提高。就疾病本身而言，新冠病毒肺炎本身就存在異病同影現象，所以未來AI不單是用于診斷，還可以在療效評估、分級分期等方面發(fā)揮作用。”

在劉主任看來，現階段在檢查室內，如果AI真的能夠實現自動擺位、減少操作流程，避免一線技師接觸傳染性病人，可能更有前途。

Q：目前，AI輔助診斷系統(tǒng)的優(yōu)勢和不足？

石磊表示：“AI是計算機的行為，而醫(yī)療是人類的行為，醫(yī)療AI則是人文屬性和技術屬性相結合。從技術維度而言，AI對醫(yī)療帶來幫助是毋庸置疑的，但是僅局限在技術層面?！?/p>

他還表示：“人眼難以精確分析CT圖像2000個單位下的灰階變化，對視覺不明顯的病變，AI可以提供幫助，這方面AI要優(yōu)于人類，但是否被醫(yī)生采納，還取決于醫(yī)生對AI提供信息的判斷和AI提供信息的維度。AI目前單純從影像學突破人的上限和天花板其實是遠遠不夠的，還需要結合更多臨床體征變化給出結論，這就是為什么影像AI在目前階段無法給出疾病的準確診斷的原因?！?/p>

Q：AI的直方圖和定量分析，在臨床上有什么意義？

石磊表示：“通過醫(yī)療側知識的積累，我們最終可以建立一個將醫(yī)學新理論不斷融入疾病預測的深度學習模型，這樣的模型能夠進一步降低重癥病人的患病風險，提高臨床療效。所以從技術維度來看，AI有很大優(yōu)勢，可以快速應用于已經被定義清楚、具備明確邏輯，可以通過頂層算法設計場景的問題?！?/p>

他還表示：“今天是用AI診斷或者閱片，本質上離不開醫(yī)學的認識，所以醫(yī)生和醫(yī)工專家是AI能力的頂層設計師，離開這些的話，我覺得都無從說起，AI與人各有所長。”

Q：深度神經網絡需要大量的數據，但是面對新冠肺炎的小數據集，還有什么算法可以利用？

陸遙回答：“從模型訓練來說，每個公司拿到樣本量比較小。對于新冠肺炎，應該從流行病學角度考慮，在武漢的模型和其他城市模型是完全不一樣的，因為感染者本身就有一、二、三、四代區(qū)別。把臨床數據和流行病學知識結合起來，可以更貼近臨床，解決小樣本的問題?！?/p>

Q：現在研究都是公司打頭，學術界根本無從介入，現在學術界科研高校老師，有沒有可能進入疫情研究中去？

沈定剛教授表示：“新冠肺炎的應用研發(fā)方面，當前學術界確實要比工業(yè)界慢，但是后期的創(chuàng)新研究、大數據研究，學術界的貢獻會馬上體現出來。其實，新冠肺炎里面的很多問題可以用學術界的方法來解決。

比如，小數據問題，是在新冠肺炎分析系統(tǒng)開發(fā)初期面臨的實際問題，因為那時的病人數不多。為了解決這個問題，聯(lián)影智能使用了以前的CT肺數據，特別是肺炎數據，并且利用transfer learning訓練模型、開發(fā)初期的AI系統(tǒng)。

其次，后期數據量增大以后，就需要解決快速標注數據問題?？梢杂蒙倭繕俗⒌臄祿碛柧毮Ｐ?，然后應用于沒有標志過的數據，再作人工修改，繼續(xù)訓練新的模型。這樣不斷快速迭代模型，利用這種‘人在回路’的方法解決大數據標注問題。

最后，應用過程中有多中心問題；例如，訓練的新冠肺炎模型是薄層數據，而有的醫(yī)院臨床診斷是使用厚層數據，如何快速把薄層模型訓練成厚層模型就非常重要。這樣的問題是很好的學術問題，學術界可以提供創(chuàng)新的解決方案。

最后沈定剛教授回答了直播中線上觀眾最關心的兩個問題，AI在新冠肺炎不能做什么？能做什么？

一、AI不能做什么？

沈定剛教授回答：“AI診斷，特別是新冠肺炎AI系統(tǒng)，目前還完全達不到診斷效果，為什么？

首先，現在許多數據沒法很好使用。例如，核酸陰性的患者在CT上可能有新冠肺炎征象，核酸陽性的患者在CT上又不一定是這樣的征象。這種情況下數據的金標準就很難得到。

其次，AI做早期診斷，有的患者臨床沒有癥狀，CT圖像也沒有表現，核酸呈陰性。但是如果患者來過醫(yī)院，有相應的CT歷史圖像，后來發(fā)現這樣的患者真的確診新冠肺炎，這樣的歷史數據才有用。沒有這樣的數據，想實現早期診斷是很難的。雷鋒網

最后，雖然CT診斷的熱度很高，但CT不可以獨自診斷，還需要跟更多臨床、流行病學信息結合起來。AI把CT、核酸以及其他生物信息結合起來訓練才能做早期診斷，否則是很難做好的。”

二、AI能做什么？

沈定剛教授回答了三點：

首先，AI現在能做的是低層的定量分析，例如病灶個數、病灶位置、病灶體積和與肺葉肺段的百分比等醫(yī)生需要的直觀信息。將來AI可以學習更復雜的特征，做更精準的測量。

其次，每個病人在醫(yī)院做了很多次CT檢查，AI可以做前后片的對比，以及病灶與肺段之間的百分比變化（但是目前能做到肺段分割的公司還很少）。如果要做更精準的比較，可以用AI開發(fā)縱向CT的配準，這樣可以測量每個病灶的局部變化，用于更精細的預后估計。

最后，AI可以推薦醫(yī)生分清優(yōu)先級，從而優(yōu)先診斷那些危險病例。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。