"3秒出结果 ， 阳性病例全召回 ， 病灶召回率达到90% ， 真是帮了我们影像科医生的大忙 。"中国科学技术大学附属第一医院（以下简称"中科大附一院"）南区的影像科医生林宁（化名） ， 正在使用"新冠肺炎影像辅助诊断平台"对确诊患者的新老CT片进行对比 ， 以判断患者肺部病灶的变化情况 。林宁表示使用该套系统阅片时间短、判断结果准确 ， 极大提高了影像科医生的工作效率 。
疫情期间 ， 新型冠状病毒肺炎（以下简称"新冠肺炎"）疑似病例不断增加 ， 各地一线医院面临着门诊量大、试剂盒数量不足、核酸检测时间长等问题 。随着临床诊断数据的积累 ， CT影像检测被列入《卫健委新冠肺炎诊疗指南（第五版）》中 ， 成为除核酸检测外的新冠肺炎临床诊断方式之一 。为了满足CT门诊量需求 ， 加快患者诊疗速度 ， 众多的影像科医生像林宁一样 ， 使用类似的AI医疗影像辅助诊断系统对确诊患者或疑似患者进行胸部CT快速判读 。这得益于AI技术在医疗影像场景中的落地 ， 通过其高性能的图像识别、精准的算法及深度学习能力为肺部、眼底、脑部、神经系统及心血管等疾病提供智能化的辅助诊断服务 。
当前 ， 人工智能在辅助诊疗、疾病预测、医疗影像辅助诊断、药物开发等场景中实现了广泛应用 ， 其中医疗影像辅助诊断是其最主要的应用方向之一 ， 可以实现影像设备的图像重建、智能辅助诊断疾病、智能勾画靶区、智能判断病理切片及智能辅助诊断方案等功能 。针对此次新冠肺炎 ， 基于CT影像作为病情筛查与诊疗的重要方式 ， AI医疗影像辅助诊断更是发挥了"急先锋"的作用 ， 极大提高了筛查的质量和效率 。
快速甄别预警 精准识别病灶
据了解 ， 在疫情初期 ， 由于医护人员使用试剂盒的经验有限 ， 很难采集到患者上呼吸道附近的唾液样本 ， 在一定程度上影像了核酸检测结果的准确性 ， 出现了患者诊断结果假阴现象 ， 导致延误了最佳的救治时机 。新冠肺炎患者的肺部在早期呈现多发小斑片影及间质改变 ， 进而发展为双肺多发磨玻璃影、浸润影 ， 严重者会出现肺实变及胸腔积液少见的临床特征 。相比核酸检测 ， CT影像检测能够显示出肺部早期的病变 。然而 ， 对于传统的CT影像检测 ， 患者每做一次CT成像都会产生几百张分片 ， 影像科医生需要对数百张CT片进行逐层分析 。尤其是对新冠肺炎疑似患者的CT片 ， 负责影像分析的医生需要在数百层影像中寻找病变的"白点" ， 每诊断一个病例 ， 医生需要投入5到15分钟的时间 。在确诊患者治疗期间 ， 医生还需要回顾患者肺部的历史影像 ， 进行新旧CT片对比 ， 阅片量至少再翻一倍 。
随着CT检测需求量快速增加 ， 众多一线医院的影像科医生承受着时间紧、任务重的工作压力 ， 心理压力也随之加大 ， 身心均处于极度疲劳的状态 。为了缓解一线医护人员的诊疗压力 ， 科学应对疫情期间的CT影像检测需求 ， 中科院紧急成立"中科院临床研究医院应对疫情科技攻关联合指挥部" ， 携手科大讯飞共同承担"新型冠状病毒应急防控"专项攻关任务 。科大讯飞凭借医学影像识别和辅助诊疗等人工智能技术以及丰富的产品应用体系 ， 仅用三天时间就完成了"新冠肺炎影像辅助诊断平台"建设并现场部署落地应用 。据介绍 ， 该平台包含新冠肺炎检出与预警模块、肺炎病灶3D分割量化分析模块、感染区域分析模块、4D随访模块、多模态辅诊模块和科研数据支撑模块 ， 可实现病灶靶区勾画与风险预警、病灶量化分析、感染区域体积及占比分析、病情发展评估、病灶变化分析、影像多模态辅诊及数据导出功能 。
科大讯飞"新冠肺炎影像辅助诊断平台"产品经理尹孝映接受计算机世界全媒体平台采访时表示："新冠肺炎检出与预警模块 ， 可以快速发现疑似病灶及勾画病灶靶区 ， 同时发出风险预警 。在此过程中 ， 医生对患者CT影像的诊断时间由过去的10到15分钟缩减至2到3分钟 ， 既提高了诊断速度 ， 也缓解了医生的压力 。"在系统完成新冠肺炎征象甄别和疑似征象预警后 ， 其具有的多模态辅诊功能够对病灶进行精准识别 ， 为医生提供准确的诊断参考 。谈及平台的这一特色 ， 尹孝映说："整套产品从医生的实际工作需求出发 ， 借助了智医助理的辅诊能力 ， 可以实现平均3秒内完成一例CT影像的辅助诊断 ， 对确诊患者的检测率更是接近百分之百 。平台在综合了门诊病历、CT影像和检验信息的基础上 ， 实行影像多模态辅诊 ， 不但提高了医生判读CT片的准确率 ， 还有效降低了漏诊误诊率 。"分页标题
高效量化分析 准确掌握病灶情况
据了解 ， 传统的阅片工具只能实现影像调阅、长度测量 ， 无法提供病灶识别、分割和病灶体积、密度量化等功能 ， 而科大讯飞"新冠肺炎影像辅助诊断系统"的 3D分割量化功能可以提供病灶量化分析 ， 测量病灶的体积、平均密度 ， 并对肺部染区域进行体积及占比分析 。4D量化对比分析功能是该系统的核心功能 ， 能够高效量化患者肺部的病灶变化 。对于此项功能 ， 尹孝映介绍说："在历史影像对比方面 ， 传统的阅片工具只能做到调阅历史影像 ， 而肺炎病灶体积变化、密度变化等 ， 全靠影像科医生的经验进行预估 。'新冠肺炎影像辅助诊断系统'的4D对比分析功能 ， 可以自动匹配患者的历史期影像 ， 通过系统的辅助分析工具自动计算多期影像中的病灶数量、体积与密度的变化并进行量化分析 ， 使医生可以快速掌握病灶的变化情况 ， 为后续诊疗提供高效、准确的参考 。"截止目前 ， 科大讯飞与中科大附一院联合建设的"新冠肺炎影像辅助诊断平台"正在为1200余家医疗机构提供医疗影像辅助诊断服务 ， 并通过数据迭代与算法优化保证系统的每日升级 。

文章图片

文章图片

新冠肺炎影像辅助诊断系统
武汉市卫健委联合天翼云和上海联影医疗科技共同打造的"uAI新冠肺炎智能辅助分析系统"在AI医疗辅助影像诊断方面也独具特色 。据了解 ， 该系统是业界首款综合肺炎整体与局部影像特征对肺炎影像实施精确分诊的AI全流程解决方案 ， 可准确识别各种形状和尺寸的结节 ， 对大于4mm结节的检出率超过98% ， 其中磨玻璃结节检出率超过95% ， 患者疑似病灶的检测准确率超过90% 。据介绍 ， 在该系统中每点开一张图像 ， 系统界面会清晰地显示出经过高精度算法自动标记的肺炎病灶及被感染肺段、病变累计范围等关键量化信息 ， 且可自动进行结节勾画分割 ， 原本需要医生5到15分钟的CT阅片时间缩短到了60秒 。系统具有的"智能随访"功能可以自动比对患者的历次检查数据 ， 显示结节的变化情况 ， 为医生的治疗方案提供参考依据 。

文章图片

文章图片

uAI新冠肺炎智能辅助分析系统
连心医疗凭借在医学影像领域积累的核心AI技术 ， 结合百度飞桨开源框架和PaddleSeg开发套件 ， 研发上线了"基于CT影像的肺炎筛查与病情预评估AI系统" 。该系统可对患者肺部病灶的数量、体积、肺部占比等全套定量指标进行计算与展示 ， 同时辅以双肺密度分布的直方图和病灶勾画叠加显示等可视化手段 ， 为医生的筛查和预诊断工作提供定性与定量的参考依据 。据了解 ， 该系统采用的深度学习算法模型充分训练了不同分辨率的CT影像数据 ， 可以适应不同等级CT影像设备采集的检查数据 ， 有望为医疗资源和医疗水平有限的基层医院提供有效的肺炎辅助预诊断工具 。
高敏感性检出 实现精确辅助诊断
疫情期间 ， 与上述企业一样运用AI技术支撑一线医院的高科技企业还有很多 ， 如华为云与华中科技大学、蓝网科技联合推出的"新型冠状病毒肺炎AI辅助医学影像量化分析服务" ， 达摩院医疗AI团队结合阿里云辅助诊断算法和阿里健康创新实验室的医院场景技术研发的"CT影像AI辅助筛查技术"等 ， 这些服务和技术的推出纷纷验证了AI在医学影像领域中的巨大价值 。
AI医疗影像辅助诊断的实质是通过精准的疾病预测模型对各种因子和数据进行分析与处理 ， 再利用CT影像对病原细胞分类 ， 通过底层数据处理、影像筛查和智能决策三个环节 ， 为临床诊断提供准确的参考依据 。与此同时 ， 通过AI系统的高敏感性对阳性病例占比低、阳性病灶区数据占比小及对影像诊断专业知识要求低的病例进行筛查和分类检出 ， 这样去除了影像科医生在阴性病例数据上的大量重复性工作 ， 把有限的时间和精力投入到更具意义的临床诊断工作中 。此外 ， AI的高维信息挖掘和高通量计算能力 ， 为诊疗提供了更加丰富的影像诊断指标 ， 以辅助医生对疾病进行鉴别诊断、基因分析及预后判断 ， 极大提高了诊断的精确性 。分页标题
【：战“疫”中的“急先锋” 看AI在医疗影像场景中的落地】2017年7月 ， 国务院印发的《新一代人工智能发展规划》中指出 ， 医疗成为人工智能技术应用的重点领域之一 。未来 ， AI将在更多的医学应用场景中落地 ， 它会为医生与患者带来怎样的惊喜呢？让我们拭目以待 。

来源：(计算机世界)

【】网址：/a/2020/0410/1586523775.html

标题：：战“疫”中的“急先锋” 看AI在医疗影像场景中的落地