我国科学家发表Cell论文，开发出一种可准确地诊断新冠肺炎和评估预后的人工智能系统
来源：本站原创 2020-04-27 12:56
2020年4月27日讯/生物谷BIOON/---新型冠状病毒SARS-CoV-2于2019年12月初开始爆发疫情。这种病病毒感染的平均潜伏期为5.2天，可引起发热、咳嗽和其他流感样症状。它可影响多个组织和器官系统，病毒引起的疾病统称为COVID-19。许多受影响的患者会发生肺炎（novel coronavirus pneumonia，NCP，新冠肺炎），并迅
2020年4月27日讯/生物谷BIOON/---新型冠状病毒SARS-CoV-2于2019年12月初开始爆发疫情。这种病病毒感染的平均潜伏期为5.2天，可引起发热、咳嗽和其他流感样症状。它可影响多个组织和器官系统，病毒引起的疾病统称为COVID-19。许多受影响的患者会发生肺炎（novel coronavirus pneumonia，NCP，新冠肺炎），并迅速进展为严重的急性呼吸衰竭，预后非常差，病死率很高。已确定存在人与人之间的传播，世界卫生组织（WHO）宣布COVID-19为大流行。有研究表明，一旦进展到重症/危重病阶段，超过60%的患者死亡。因此，识别危险因素和参数，建立准确的预后预测模型，在这样的大流行中，对规划早期干预和加强监测至关重要，有望能够改善临床预后。
目前，对于有发热、咳嗽和流感症状的患者，首先会通过临床评估、实验室检查、胸部X光检查来排除肺炎。如果确诊为病毒性肺炎，由于明显的公共卫生原因，能够诊断出NCP是最重要的。COVID-19诊断可通过聚合酶链式反应（PCR）测试阳性来确诊。胸部计算机断层扫描（CT）影像学检查是一种诊断包括肺炎在内的肺部疾病的重要手段。与标准实验室进行的分子诊断检查相比，CT扫描过程的周转时间更快，可以提供更详细的病理相关信息，更好地定量测定病灶大小和肺部受累程度/严重性，这可能具有预后意义。由于季节性流感也会引起病毒性肺炎，因此，将NCP与普通流感或其他类型的肺炎（比如病毒性肺炎和细菌性肺炎）区分开来也很重要。因此，一种准确的基于CT的人工智能（AI）系统可能帮助早期诊断，以便于规划、监测和治疗，并为纵向随访提供参考。
最近，AI在许多医疗领域中的应用取得了令人振奋的新进展，这些新进展激发了基于AI的新型放射诊断技术的创新性开发。Chen等人回顾了胸部薄层CT的各种定量模型，显示了定量工具在精准诊断和纵向随访中的有效性。另一项研究显示，深度学习算法有助于识别头部CT扫描异常，可辅助临床分诊。近期的研究展示了将AI整合到眼科和儿童疾病诊断系统中的潜力，并发现这可以显著提高临床诊断效率和准确性。
随着CT扫描工具的更加精确，在一项新的研究中，来自中国澳门科技大学、四川大学华西医院、广州再生医学与健康广东省实验室、清华大学、中山大学、三峡大学、安徽医科大学、武汉大学、广州医科大学、云南省第一人民医院、香港理工大学和广州康睿智能科技公司（Guangzhou Kangrui AI Technology）的研究人员假设可以建立一种能够准确诊断NCP的AI系统，这将有助于放射科医生和临床医生对提示存在COVID-19 NCP症状的患者进行管理。相关研究结果以论文手稿的形式在线发表在Cell期刊上，论文标题为“Clinically applicable AI System for Accurate Diagnosis, Quantitative Measurements and Prognosis of COVID-19 Pneumonia Using Computed Tomography”。
另一个迫切的需求是识别出急性呼吸衰竭风险较高的患者，以便更早地对其进行严密监测，及早进行干预治疗，否则，这类患者最终发生多器官衰竭的几率较高，并伴有较高的死亡率。鉴于包括病灶的数量、大小和密度在内的病灶特征和肺实质的整体情况是衡量肺部损伤和肺部剩余储备的指标，因此，这些作者还测试了这样的一种假说，即是否可以利用临床数据和CT参数建立一种AI系统以便产生准确的临床预后模型，从而让临床医生能够制定对这类患者进行早期监测和管理的计划。据此，这些作者构建了一个针对NCP、其他常见肺炎和正常对照组的CT大数据集，并建立了一种用于辅助准确诊断的AI诊断系统，用于中国的1个流行病区和2个非流行病区。他们还结合CT和临床参数，为NCP患者提供了预后指征，旨在为医生提供另一种辅助诊断工具（图1）。
在这项新的研究中，这些作者描述了一种基于胸部CT图像诊断COVID-19肺炎的AI系统。这种AI系统的性能与具有丰富临床经验的执业放射科医生相当，可以帮助和提高初级放射科医生的表现。开展这种AI研究工作的驱动力是希望开发出一种快速诊断NCP的系统，以协助放射科医生和临床医生对抗这一流行病。这样的AI系统还可以在大流行时或在偏远地区的卫生系统超负荷工作时，缓解对诊断专家的大量需求。目前，这些作者开发出的这种AI系统作为一种高效的首诊/筛查工具，可以帮助放射科医生和临床医生，这是因为这可能会减少患者的等待时间，缩短诊断工作流程时间，从而减轻放射科医生的整体工作量，让他们在紧急情况下能更快速、更有效地做出反应。通过CT扫描对不同肺部损伤参数的精确测量，还将可以对疾病的严重程度进行客观、定量的测量，并有可能对包括抗病毒药物和其他免疫调节剂在内的药物治疗对肺部病灶的疗效进行客观、定量的评估。
这种AI系统评估的CT扫描图像中的病灶特征与基于评估疾病严重程度的临床和生化证据之间存在关联性，这突显了COVID-19中的不同器官的发病相互关联。从致病机理的角度来看，这项新的研究只能显示出相关性，但并没有涉及到这种相互联系是直接通过这些器官的病毒感染而建立，还是通过呼吸衰竭的继发性而建立，这有待于通过其他致病机理研究来确定。与其他临床参数相比，肺部病灶与预后的相关性较高，这确实突出了肺部损伤作为一种关键参数在整体预后意义中的重要性。年龄与预后的相关性与最近的报道---年龄大是预后不良的一个重要危险因素---相一致。对作为预后因素的其他参数（包括CRP、血清钠浓度、血清白蛋白、血小板计数）的确定与多器官功能衰竭患者中观察到的预后因素相一致。肝脏和肾脏生化特性与预后的关联性可能是重症/危重症COVID-19患者中观察到的多器官衰竭的另一个反映，不过这项新的研究还不能确定是否有病毒直接累及这些器官。
基于这些作者开发的这种AI系统，利用CT参数和临床数据开发出的临床预后模型，是AI辅助临床管理的一个重要进步。基于这些作者建立的数据库，他们能够确定，根据他们目前的模型，综合评分>0.5的患者为高危人群，这意味着这些患者最终可能发生疾病进展（即病情恶化），需要进入重症监护室、接受机械通气，甚至死亡。重要的是，他们还可以提供一个估计的进展时间。这些信息将帮助临床医生规划监测和分配重症监护室的资源，一旦发生疫情，医疗系统将有更多的时间来应对对资源的需求。
综上所述，这些作者建立了一种能够准确诊断NCP并协助放射科医生和临床医生进行诊断的AI系统。观察到根据CT参数评估的NCP肺部病灶与多器官临床和生化标志物之间存在良好的相关性，这突出了COVID-19中观察到的多器官衰竭。结合它的临床预后估计功能，这种AI系统可以帮助放射科医生和急诊科医生、肺科医生等内科医生快速准确诊断患者，并通过产生的预后估计，可以帮助医生确定需要密切监测和早期干预/支持的患者亚群，以及这些需求的估计时间。
由于这种AI系统可能有助于全球的医生和医疗系统在这次大流行期间更好地管理患者，因此这些作者正在向所有放射科医生和临床医生开放这种AI系统，并希望这可以帮助他们管理患者和他们的输入数据，从而可能会进一步完善这种AI系统。这些作者希望它可以发展成为全球社区对抗COVID和其他新兴病毒感染的通用工具。（生物谷 Bioon.com）
参考资料：
Kang Zhang et al. Clinically applicable AI System for Accurate Diagnosis, Quantitative Measurements and Prognosis of COVID-19 Pneumonia Using Computed Tomography. Cell, 2020, doi:10.1016/j.cell.2020.04.045.
目前，对于有发热、咳嗽和流感症状的患者，首先会通过临床评估、实验室检查、胸部X光检查来排除肺炎。如果确诊为病毒性肺炎，由于明显的公共卫生原因，能够诊断出NCP是最重要的。COVID-19诊断可通过聚合酶链式反应（PCR）测试阳性来确诊。胸部计算机断层扫描（CT）影像学检查是一种诊断包括肺炎在内的肺部疾病的重要手段。与标准实验室进行的分子诊断检查相比，CT扫描过程的周转时间更快，可以提供更详细的病理相关信息，更好地定量测定病灶大小和肺部受累程度/严重性，这可能具有预后意义。由于季节性流感也会引起病毒性肺炎，因此，将NCP与普通流感或其他类型的肺炎（比如病毒性肺炎和细菌性肺炎）区分开来也很重要。因此，一种准确的基于CT的人工智能（AI）系统可能帮助早期诊断，以便于规划、监测和治疗，并为纵向随访提供参考。
最近，AI在许多医疗领域中的应用取得了令人振奋的新进展，这些新进展激发了基于AI的新型放射诊断技术的创新性开发。Chen等人回顾了胸部薄层CT的各种定量模型，显示了定量工具在精准诊断和纵向随访中的有效性。另一项研究显示，深度学习算法有助于识别头部CT扫描异常，可辅助临床分诊。近期的研究展示了将AI整合到眼科和儿童疾病诊断系统中的潜力，并发现这可以显著提高临床诊断效率和准确性。
随着CT扫描工具的更加精确，在一项新的研究中，来自中国澳门科技大学、四川大学华西医院、广州再生医学与健康广东省实验室、清华大学、中山大学、三峡大学、安徽医科大学、武汉大学、广州医科大学、云南省第一人民医院、香港理工大学和广州康睿智能科技公司（Guangzhou Kangrui AI Technology）的研究人员假设可以建立一种能够准确诊断NCP的AI系统，这将有助于放射科医生和临床医生对提示存在COVID-19 NCP症状的患者进行管理。相关研究结果以论文手稿的形式在线发表在Cell期刊上，论文标题为“Clinically applicable AI System for Accurate Diagnosis, Quantitative Measurements and Prognosis of COVID-19 Pneumonia Using Computed Tomography”。
图1.这些作者提出的人工智能框架用于NCP诊断和预后预测，图片来自Cell, 2020, doi:10.1016/j.cell.2020.04.045。
另一个迫切的需求是识别出急性呼吸衰竭风险较高的患者，以便更早地对其进行严密监测，及早进行干预治疗，否则，这类患者最终发生多器官衰竭的几率较高，并伴有较高的死亡率。鉴于包括病灶的数量、大小和密度在内的病灶特征和肺实质的整体情况是衡量肺部损伤和肺部剩余储备的指标，因此，这些作者还测试了这样的一种假说，即是否可以利用临床数据和CT参数建立一种AI系统以便产生准确的临床预后模型，从而让临床医生能够制定对这类患者进行早期监测和管理的计划。据此，这些作者构建了一个针对NCP、其他常见肺炎和正常对照组的CT大数据集，并建立了一种用于辅助准确诊断的AI诊断系统，用于中国的1个流行病区和2个非流行病区。他们还结合CT和临床参数，为NCP患者提供了预后指征，旨在为医生提供另一种辅助诊断工具（图1）。
在这项新的研究中，这些作者描述了一种基于胸部CT图像诊断COVID-19肺炎的AI系统。这种AI系统的性能与具有丰富临床经验的执业放射科医生相当，可以帮助和提高初级放射科医生的表现。开展这种AI研究工作的驱动力是希望开发出一种快速诊断NCP的系统，以协助放射科医生和临床医生对抗这一流行病。这样的AI系统还可以在大流行时或在偏远地区的卫生系统超负荷工作时，缓解对诊断专家的大量需求。目前，这些作者开发出的这种AI系统作为一种高效的首诊/筛查工具，可以帮助放射科医生和临床医生，这是因为这可能会减少患者的等待时间，缩短诊断工作流程时间，从而减轻放射科医生的整体工作量，让他们在紧急情况下能更快速、更有效地做出反应。通过CT扫描对不同肺部损伤参数的精确测量，还将可以对疾病的严重程度进行客观、定量的测量，并有可能对包括抗病毒药物和其他免疫调节剂在内的药物治疗对肺部病灶的疗效进行客观、定量的评估。
这种AI系统评估的CT扫描图像中的病灶特征与基于评估疾病严重程度的临床和生化证据之间存在关联性，这突显了COVID-19中的不同器官的发病相互关联。从致病机理的角度来看，这项新的研究只能显示出相关性，但并没有涉及到这种相互联系是直接通过这些器官的病毒感染而建立，还是通过呼吸衰竭的继发性而建立，这有待于通过其他致病机理研究来确定。与其他临床参数相比，肺部病灶与预后的相关性较高，这确实突出了肺部损伤作为一种关键参数在整体预后意义中的重要性。年龄与预后的相关性与最近的报道---年龄大是预后不良的一个重要危险因素---相一致。对作为预后因素的其他参数（包括CRP、血清钠浓度、血清白蛋白、血小板计数）的确定与多器官功能衰竭患者中观察到的预后因素相一致。肝脏和肾脏生化特性与预后的关联性可能是重症/危重症COVID-19患者中观察到的多器官衰竭的另一个反映，不过这项新的研究还不能确定是否有病毒直接累及这些器官。
基于这些作者开发的这种AI系统，利用CT参数和临床数据开发出的临床预后模型，是AI辅助临床管理的一个重要进步。基于这些作者建立的数据库，他们能够确定，根据他们目前的模型，综合评分>0.5的患者为高危人群，这意味着这些患者最终可能发生疾病进展（即病情恶化），需要进入重症监护室、接受机械通气，甚至死亡。重要的是，他们还可以提供一个估计的进展时间。这些信息将帮助临床医生规划监测和分配重症监护室的资源，一旦发生疫情，医疗系统将有更多的时间来应对对资源的需求。
综上所述，这些作者建立了一种能够准确诊断NCP并协助放射科医生和临床医生进行诊断的AI系统。观察到根据CT参数评估的NCP肺部病灶与多器官临床和生化标志物之间存在良好的相关性，这突出了COVID-19中观察到的多器官衰竭。结合它的临床预后估计功能，这种AI系统可以帮助放射科医生和急诊科医生、肺科医生等内科医生快速准确诊断患者，并通过产生的预后估计，可以帮助医生确定需要密切监测和早期干预/支持的患者亚群，以及这些需求的估计时间。
由于这种AI系统可能有助于全球的医生和医疗系统在这次大流行期间更好地管理患者，因此这些作者正在向所有放射科医生和临床医生开放这种AI系统，并希望这可以帮助他们管理患者和他们的输入数据，从而可能会进一步完善这种AI系统。这些作者希望它可以发展成为全球社区对抗COVID和其他新兴病毒感染的通用工具。（生物谷 Bioon.com）
参考资料：
Kang Zhang et al. Clinically applicable AI System for Accurate Diagnosis, Quantitative Measurements and Prognosis of COVID-19 Pneumonia Using Computed Tomography. Cell, 2020, doi:10.1016/j.cell.2020.04.045.
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
