核酸檢測準(zhǔn)確率不高？CT影像靠人工鑒別需耗費大量時間精力？面對新冠疫情診斷的現(xiàn)實需求，復(fù)旦大學(xué)科研團隊正在攻關(guān)的人工智能輔助診斷或許能夠給出更好的選項。

1月29日，由復(fù)旦大學(xué)副校長張志勇牽頭，復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院和大數(shù)據(jù)研究院聯(lián)合上海市（復(fù)旦大學(xué)附屬）公共衛(wèi)生臨床中心放射科，正式啟動了2019-nCoV肺炎影像學(xué)AI智能輔助診斷相關(guān)研究工作。該研究旨在通過AI智能算法實現(xiàn)2019-nCoV肺炎與其他病毒性肺炎、細(xì)菌性肺炎的影像分類識別及病灶檢測，幫助臨床進(jìn)行更高效的診斷。目前取得的應(yīng)用數(shù)據(jù)顯示，對新冠肺炎類型診斷的假陰性在7%左右（核酸檢測假陰性高達(dá)30%-50%）。

2月21日，輔助診斷設(shè)備入駐公共衛(wèi)生臨床中心，正在調(diào)試安裝，將很快投入臨床實戰(zhàn)檢驗。

模型設(shè)計有門道：從一個病例400層影像中準(zhǔn)確定位病灶區(qū)域

新型冠狀病毒引起的肺炎，與其他病毒性肺炎、細(xì)菌性肺炎在CT影像呈現(xiàn)上有諸多相似之處。三種肺炎都存在視覺相似的病灶（如磨玻璃影），目前臨床發(fā)現(xiàn)可適當(dāng)利用病灶在肺部空間的分布等更多差異信息進(jìn)行區(qū)分。

“影像科醫(yī)生診斷一個病例要看400層左右的影像，加上前后對比，最快也需要5-10分鐘，而算法只需要幾秒鐘?！睆?fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院教授薛向陽介紹，與人工診斷相比，AI輔助算法的最大優(yōu)勢就在于讀片速度，在秒級時間內(nèi)就能幫助醫(yī)生預(yù)發(fā)現(xiàn)病灶發(fā)生區(qū)域，從而大幅度縮短醫(yī)生的讀片時間，提高臨床診治的效率。

如何讓AI具備鑒別新冠肺炎的能力以投入這場戰(zhàn)“疫”？這背后真正的“最強大腦”是算法模型。

團隊快速行動起來，利用當(dāng)前最先進(jìn)的深度學(xué)習(xí)算法，為肺部CT影像定制了一套深度神經(jīng)網(wǎng)絡(luò)模型，并以長期研究積累的經(jīng)驗與技巧，在CT影像標(biāo)注數(shù)據(jù)較少的情況下，訓(xùn)練出性能比較好的模型。

“現(xiàn)階段醫(yī)生需要在大量的影像數(shù)據(jù)中快速診斷出新冠肺炎的病例，此外還需要診斷出病灶分布的位置、大小等來評估嚴(yán)重程度。”薛向陽介紹，針對臨床的現(xiàn)實需求，團隊將設(shè)計目標(biāo)定位于“肺炎分類鑒別”和“關(guān)鍵病灶檢測”兩大功能，前者是為區(qū)別健康狀態(tài)、新冠肺炎、其他病毒性肺炎、細(xì)菌性肺炎，后者則為找到并分隔出磨玻璃影等病灶區(qū)域。

在對新冠肺炎、其他病毒性、細(xì)菌性肺炎和正常人的CT影像數(shù)據(jù)進(jìn)行收集、整理和歸類的基礎(chǔ)上，團隊設(shè)計診斷算法模型，讓機器利用模型進(jìn)行訓(xùn)練，學(xué)習(xí)不同類型肺炎在CT影像表現(xiàn)上的不同特征，最終具備智能輔助診斷的能力，成為臨床醫(yī)生的得力助手?！霸谶@一過程中，需突破小樣本學(xué)習(xí)、小目標(biāo)檢測等多個技術(shù)難題?！毖ο蜿栒f。

“小樣本學(xué)習(xí)”即在較少訓(xùn)練數(shù)據(jù)樣本的條件下進(jìn)行機器學(xué)習(xí)。在疫情發(fā)生前期，能夠獲取的新冠肺炎影像數(shù)據(jù)相對較少，且由于一線影像醫(yī)生任務(wù)繁重，無法獲得大量的專家標(biāo)注，因此需要算法在較少的樣本條件下“自學(xué)成才”。為此，團隊采用基于自遷移學(xué)習(xí)的半監(jiān)督學(xué)習(xí)等技巧，使算法具備了一定的“小樣本學(xué)習(xí)”能力，在不增加醫(yī)生標(biāo)注工作量的情況下較好地提高了算法模型的普適性。

而由于CT影像切片中的病灶區(qū)域有大有小，且往往大中小病灶區(qū)域面積懸殊，如何使算法能同時檢測大、中、小各個目標(biāo)是另一大難題。團隊利用神經(jīng)網(wǎng)絡(luò)的層次性特點與病灶區(qū)域的大小進(jìn)行對應(yīng)，“網(wǎng)絡(luò)的底層關(guān)注細(xì)節(jié)，即小病灶區(qū)域，而網(wǎng)絡(luò)中層到高層所關(guān)注的病灶區(qū)域則越來越大，因此模型通過不同層次的加權(quán)和融合，最終便能達(dá)到同時檢測大小病灶區(qū)域的目標(biāo)?！毖ο蜿柦忉尩?。

有了這一的診斷“神器”，影像科醫(yī)師是否就要失業(yè)了？薛向陽很明確，醫(yī)生是不能被替代的。“人是一個復(fù)雜的機體，病毒在不同人體內(nèi)感染的反映也不一定相同。”他表示，當(dāng)遇到機器未曾學(xué)習(xí)過的微小病變或疑難病例時，仍需要影像醫(yī)生的經(jīng)驗和智慧。

未來應(yīng)用有通道：肺炎影像智能鑒別和預(yù)后預(yù)測的好幫手

以解決實際問題為目標(biāo)，該項目在研究過程中始終與臨床應(yīng)用緊密結(jié)合。無論是機器學(xué)習(xí)的數(shù)據(jù)，還是測試評估的數(shù)據(jù)，都來源于臨床真實病例。在算法模型定型過程中，為了檢驗?zāi)Ｐ偷臏?zhǔn)確率和泛化性，團隊也利用現(xiàn)實疑似病例進(jìn)行了測試。

“在對實際病例的診斷檢驗中，一個疑似病例在經(jīng)過治療后又有微小的病灶復(fù)發(fā)，我們的肺炎分類鑒別算法認(rèn)為該病例正常，但病灶檢測算法則檢出了微小病灶?！毖ο蜿栒f，這促使團隊開始同時考慮多算法結(jié)果的融合分析，進(jìn)一步提升了模型的準(zhǔn)確性。

上海市公共衛(wèi)生臨床中心影像科單飛主任團隊、施裕新教授團隊為研究注入來自臨床的實戰(zhàn)力量。醫(yī)生們通過線上平臺遠(yuǎn)程指導(dǎo)團隊學(xué)生辨識病灶，輔導(dǎo)學(xué)生進(jìn)行數(shù)據(jù)標(biāo)注。“哪些是病灶，是什么類型的病灶等，這些信息非常復(fù)雜，但很重要，算法要知道這些標(biāo)注信息，才能進(jìn)行訓(xùn)練?！蓖瑫r，醫(yī)生們每日堅持與算法團隊同步進(jìn)展，并針對相應(yīng)問題提出改進(jìn)建議?！八麄兗仍谝痪€奮戰(zhàn)，又全力幫助我們，為這次疫情付出了太多。”薛向陽不禁感慨。

2月21日，團隊開發(fā)的相關(guān)輔助診斷設(shè)備系統(tǒng)已進(jìn)入上海公共衛(wèi)生臨床中心進(jìn)行聯(lián)試聯(lián)調(diào)，下一步將完成與影像科CT設(shè)備數(shù)據(jù)對接及臨床應(yīng)用流程嵌入。

在臨床應(yīng)用中，輔助診斷軟件系統(tǒng)將從設(shè)備中實時獲取數(shù)據(jù)并進(jìn)行快速識別?！坝跋襻t(yī)生在拿到CT數(shù)據(jù)的同時，就能立即看到輔助診斷的結(jié)果，以此為參考，將有效提高診斷效率?！?/p>

除了精準(zhǔn)鑒別肺炎類型，該研究項目后續(xù)還將實現(xiàn)對病程狀態(tài)的判定及病情發(fā)展的預(yù)測，為醫(yī)生的診療方案提供參考?！拔覀儗⒗^續(xù)與醫(yī)院的團隊合作，增加患者的體溫、血液檢測等臨床數(shù)據(jù)，突破多模態(tài)、多組學(xué)AI輔助診斷算法的研究。”薛向陽期待相關(guān)成果不僅在當(dāng)前疫情期間發(fā)揮作用，在未來也能對肺炎疾病的診斷與治療持續(xù)發(fā)力。

科研攻關(guān)有力道：遠(yuǎn)程合作，爭分奪秒，磨煉團隊?wèi)?zhàn)斗力

回顧這次科研攻關(guān)的經(jīng)歷，薛向陽說：“與以往的最大區(qū)別，也算是最大困難，就是遠(yuǎn)程工作?！?/p>

薛向陽帶領(lǐng)的團隊由計算機科學(xué)技術(shù)學(xué)院和大數(shù)據(jù)研究院的3位老師以及近20位研究生組成，疫情之下，分散在全國各地。成員們利用協(xié)同辦公工具進(jìn)行實時溝通，遠(yuǎn)程協(xié)調(diào)部署計算資源、共享數(shù)據(jù)及技術(shù)文檔，努力克服異地合作的諸多不便，在短時間內(nèi)便完成了數(shù)據(jù)的分發(fā)、清洗和標(biāo)注。

“大家都在以更多時間和精力的付出彌補可能存在的不便?！毖ο蜿柦榻B，精細(xì)化標(biāo)注要求將病灶的位置勾勒出來，每個病例至少包括400多層影像，感染不嚴(yán)重的病例標(biāo)注大約需要一小時，感染嚴(yán)重的病例病灶區(qū)域較多，最多的需要標(biāo)注近五小時?！斑@次工作磨煉了大家的耐心，凝聚了大家的戰(zhàn)斗力?！痹谝挂岳^日20余天的努力下，團隊目前在肺炎類型的鑒別診斷上已取得初步成果，對新冠肺炎類型診斷的假陰性在7%左右。

“我們開展這項研究，從臨床需求中來，也要回到臨床應(yīng)用中去，以抗擊疫情為使命，以解決實際問題為核心?！睆堉居抡f。

自疫情發(fā)生以來，復(fù)旦大學(xué)已自籌經(jīng)費啟動了一批項應(yīng)急性和原創(chuàng)性攻關(guān)項目。學(xué)校建立應(yīng)對新型冠狀病毒肺炎科技攻關(guān)項目庫，完成第二批應(yīng)急攻關(guān)項目征集并入庫，鼓勵多學(xué)科交叉、醫(yī)工結(jié)合、校企合作，將研究成果盡快應(yīng)用到戰(zhàn)勝疫情中，為抗擊疫情提供科技支撐。

（看看新聞Knews記者：周云 實習(xí)編輯：陸熠）