9月23日，一篇基于深度學(xué)習(xí)模型對(duì)新冠肺炎（COVID-19）診療的大規(guī)模、多中心回顧性研究在全球頂級(jí)醫(yī)學(xué)期刊《柳葉刀》旗下新刊The Lancet Digital Health發(fā)表。該論文從新冠肺炎診斷、臨床分診效率、病情監(jiān)控、輕癥及無癥狀感染者等多個(gè)角度系統(tǒng)研究了深度學(xué)習(xí)模型的價(jià)值和作用，由華中科技大學(xué)同濟(jì)醫(yī)學(xué)院附屬同濟(jì)醫(yī)院（簡(jiǎn)稱武漢同濟(jì)醫(yī)院）、武漢科技大學(xué)附屬天佑醫(yī)院、咸寧市中心醫(yī)院、中南大學(xué)湘雅二醫(yī)院、國(guó)家感染性疾病臨床研究中心（深圳市第三人民醫(yī)院）等國(guó)內(nèi)多家知名醫(yī)院與北京推想科技有限公司（簡(jiǎn)稱推想科技）聯(lián)合完成，武漢同濟(jì)醫(yī)院、湘雅二醫(yī)院、推想科技為共同第一作者，武漢同濟(jì)醫(yī)院院長(zhǎng)王偉為通訊作者。
本研究提出了一種基于CT影像分診疑似新冠肺炎患者，并可以自動(dòng)定量分析確診患者病灶的深度學(xué)習(xí)模型。研究團(tuán)隊(duì)在不同發(fā)病率地區(qū)的多家醫(yī)院連續(xù)收集真實(shí)臨床數(shù)據(jù)，組成外部驗(yàn)證集來驗(yàn)證模型的分診效率和準(zhǔn)確率；研究團(tuán)隊(duì)還收集了100套R(shí)T-PCR確診病人的CT前后片，用以驗(yàn)證模型病灶分析的性能。
研究團(tuán)隊(duì)首先收集了2447例胸部CT影像（1647例為RT-PCR確診陽(yáng)性，800例為RT-PCR確診陰性）用于模型訓(xùn)練，639例胸部CT影像（439例為RT-PCR確診陽(yáng)性，200例為RT-PCR確診陰性）用于模型內(nèi)部驗(yàn)證。模型在內(nèi)部驗(yàn)證集上的AUC，靈敏度和特異度分別為0.985 (95% CI 0.982–0.989)，0.973 (0.966–0.980)，和0.850 (0.827–0.875)。
其次，研究團(tuán)隊(duì)分別從武漢科技大學(xué)附屬天佑醫(yī)院（武漢，發(fā)病率約0.566%），咸寧市中心醫(yī)院（咸寧，發(fā)病率約0.034%）和中南大學(xué)湘雅二醫(yī)院（長(zhǎng)沙，發(fā)病率約0.003%）連續(xù)收集了1097，820和203套發(fā)熱門診患者的胸部CT影像作為外部驗(yàn)證集。以患者CT影像報(bào)告為參考標(biāo)準(zhǔn)，模型的AUC，靈敏度，特異度，PPV和NPV分別為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，研究團(tuán)隊(duì)還模擬將AI應(yīng)用于臨床流程中，以探究其分診效率。模型直接將影像學(xué)結(jié)果提示給高年資醫(yī)師或臨床醫(yī)師可顯著縮短得出陽(yáng)性患者影像學(xué)報(bào)告所需時(shí)間（p<0.0001）。模型將結(jié)果報(bào)告給高年資醫(yī)師和臨床醫(yī)師可減少的時(shí)間中位數(shù)和四分位距分別為15.73（11.05-25.25）和22.62（15.12-38.63）分鐘。
為驗(yàn)證模型針對(duì)輕癥乃至無癥狀患者的表現(xiàn)，研究團(tuán)隊(duì)額外收集了761例來自方艙的輕癥或無癥狀患者的胸部CT影像，其中618（81%）位患者有新冠相關(guān)的影像學(xué)表現(xiàn)，模型的靈敏度為0.886 (0.873–0.898)。研究還收集了686例疫情爆發(fā)前天佑醫(yī)院和深圳市第三人民醫(yī)院的胸部CT影像用以驗(yàn)證模型在非新冠混淆病例上的表現(xiàn)，模型的特異度為0.822 (0.808-0.836)。
該研究收集了多個(gè)來自真實(shí)臨床場(chǎng)景的數(shù)據(jù)集用以驗(yàn)證模型在新冠肺炎疑似患者分診和病灶分析方面的表現(xiàn)，是國(guó)內(nèi)鮮有的基于深度學(xué)習(xí)模型的COVID-19大規(guī)模、多中心臨床研究。研究結(jié)果顯示，模型具有較好的魯棒性，在多個(gè)數(shù)據(jù)集中表現(xiàn)穩(wěn)定。此外，研究團(tuán)隊(duì)將深度學(xué)習(xí)模型融入傳統(tǒng)臨床流程以加速疑似患者的分診，其自動(dòng)病灶分析功能對(duì)新冠肺炎患者的病情監(jiān)控和管理均具有重要意義。
自新冠肺炎疫情爆發(fā)以來，推想科技不但在第一時(shí)間推出人工智能產(chǎn)品輔助新冠肺炎的篩查與監(jiān)測(cè)，更是與國(guó)內(nèi)多家醫(yī)院展開深度科研合作并產(chǎn)出優(yōu)質(zhì)成果。面對(duì)未知的病毒，面對(duì)第六次國(guó)際公共衛(wèi)生緊急事件和全球大流行，只有深入的科學(xué)研究才能幫助人類了解它并戰(zhàn)勝它。截至目前，推想科技與合作醫(yī)院已經(jīng)發(fā)表了十余篇關(guān)于新冠肺炎的頗具影響力的科研成果，不乏全球頂級(jí)醫(yī)學(xué)期刊JAMA及其子刊JAMA Network Open、醫(yī)學(xué)影像頂級(jí)期刊Radiology新刊等等。未來，推想科技將繼續(xù)站在AI醫(yī)學(xué)科研的最前沿，與疾病戰(zhàn)斗，與未知戰(zhàn)斗。
