MICS首次“新冠肺炎+AI”講座全文回顧：武漢協和醫院與五家AI公司共同解讀肺炎疫情

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

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

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

作為本次MICS講座的戰略合作媒體，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和醫院放射科的史河水主任。作為核心疫區的影像工作者，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。在中南醫院兩例肺腫瘤切除的病理發現了新冠肺炎征象，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醫院尸檢病理表現一致。但是301醫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。”

當然，作為一名放射科醫生，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期，對醫生來說比較容易診斷，爆發期過去之后，鑒別新冠肺炎和其他病毒性肺炎對醫生將會形成挑戰，AI將會發揮自己的價值，幫助醫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，目前可以跟聯影的所有醫療影像模態集成，提供自動擺位、運動監測、體態建模、態勢感知和病人信息確認功能；實現對解剖學關鍵點檢測，姿態分類，3D體態建模，可以即插即用。

目前，這兩款平臺已在武漢火神山醫院和上海多家醫院完成部署并投入運行。

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

在演講中，高博士表示，聯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生優先閱片；對新冠肺炎感染區域自動勾畫，顯示全肺感染比例和體積；對感染區域提供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%，感染區域的體積誤差小于1%。”

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

隨后，柏視醫療董事長陸遙介紹了基于小樣本數據開發的新冠肺炎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輔助診斷AI產品。為此，柏視醫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，柏視醫療針對臨床醫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議圖像重建。

第五位分享者是深睿醫療研究員張樹，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，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，就對武漢的醫院捐助了本地版，目前產品已經在全國10多家醫院使用，而云端產品也已在多家醫院完成部署。

最后，張樹表示：“深睿在整個2019年科研有很多投入，在CV和人工智能領域發表了60多篇文章。”

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工作。新冠肺炎AI系統1月29號就在武漢同濟醫院上線，提供包括預警、診斷、評估和監控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，避免造成整個醫院都被隔離的情況。”

武江芬還表示：“目前，推想新冠肺炎AI系統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。”

她在演講中還透露，推想新冠肺炎AI系統已在全國上線10多家醫院，其中武漢同濟醫院、中南醫院、火神山醫院等醫院，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療副總裁石磊，放射科醫生出身的他，總結了目前新冠肺炎的影像特點以及依圖醫療應對疫情開發的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：“依圖醫療新冠AI除了影像發現之外，還做了定量評價，對肉眼可以看到的病變區域進行邊緣勾勒定量統計。雖然定量分析是好方法，但是從醫學的角度來看，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。基于影像和臨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節。上海長征醫院影像醫學與核醫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、核酸檢測進行關聯學習。比如CT診斷關聯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。”

Q：通過AI的方式，可以發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AI產品，也可以發現這些病灶，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。”

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。

Q：推想在新冠系統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、運營、執行、產品等一系列人員交通造成阻礙；第二、醫院防控，上線人員的醫院防護；第三、配合度問題，疫情期間很多醫生不在醫院；第四，云平臺產品面臨的數據安全問題。”

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輔助診斷系統的優勢和不足？

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

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要優于人類，但是否被醫生采納，還取決于醫生對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。”

Q：AI的直方圖和定量分析，在臨床上有什么意義？

石磊表示：“通過醫療側知識的積累，我們最終可以建立一個將醫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。”

他還表示：“今天是用AI診斷或者閱片，本質上離不開醫學的認識，所以醫生和醫工專家是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。”

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方面，當前學術界確實要比工業界慢，但是后期的創新研究、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開發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、開發初期的AI系統。

其次，后期數據量增大以后，就需要解決快速標注數據問題。可以用少量標注的數據來訓練模型，然后應用于沒有標志過的數據，再作人工修改，繼續訓練新的模型。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，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院，有相應的CT歷史圖像，后來發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可以推薦醫生分清優先級，從而優先診斷那些危險病例。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。