在抗击新型冠状病毒期间，受限于新型冠状病毒核酸检测试剂盒的产能与应用环境，诸多定点医院无法通过该方式作为初筛手段快速确诊感染者，目前普遍多以胸部平扫CT检查为主。其影像学表现为：单发或双肺多发，斑片状或节段性磨玻璃密度影（GGO）为主，其内纹理可呈网格状（铺路石征），沿支气管束或背侧、肺底胸膜下分布为主，空气支气管征，合并或不合并小叶间隔增厚，少数叶间胸膜增厚。及时明确此类患者的临床与影像资料可为临床早诊断、及时隔离与治疗提供参考，改善患者预后恢复。目前感染者临床与影像学表现虽具有一定特征，但尚无大样本或阶段性总结。

应用人工智能深度学习技术，可有效学习新型冠状病毒感染影像特征，以准确、有效的对发热患者进行排查鉴别，减少排队时间及院内交叉感染风险。基于人工智能深度学习技术，我院和北京精诊医疗科技有限公司联合开发了新型冠状病毒辅助诊断系统。该系统通过CT+AI的方式，可填补核酸检测试剂盒往返运输上时间的损失，辅助医疗机构辨别感染者，消除地区诊断水平差异，实现快速隔离、为诊断治疗争取时间。

（1）提升诊断效率：通过对已确诊患者胸部CT数据应用人工智能深度学习技术挖掘影像学特征，对大量初筛患者CT数据在短时间内报出疑似新冠炎症区域，完成疑似病例筛查，辅助高强度工作下的影像诊断。

（2）消除地区诊断水平差异：以第五版及第六版诊疗方案中病例特征、检验学及第一阶段影像学智能诊断基础，面向感染科、呼吸内科等临床科室，构建计算机智能辅助诊断评分模型及系统。

（3）对各临床分型肺炎医疗数据综合学习：结合重症特征、影像等多模态数据的分析结果优化权重关系，建立危重症肺炎预测模型，提前预判以行针对性强化治疗，提升危重患者生存率。

北京清华长庚医院联合清华大学精密仪器系、北京精诊医疗科技有限公司、武汉科技大学附属天佑医院、武汉大学中南医院、武汉第七医院等机构，收集1612例影像与临床特征数据，依托既往基础，通过医工结合人工智能研究对该病诊断效率受限、地区诊断水平差异、难以预判疾病预后这三大瓶颈开展紧急攻关。

该系统可实现：

（1）辅助影像诊断与辅助临床诊断：以第六版诊疗方案中病例特征、检验学及第一阶段影像学智能诊断基础，通过对已确诊患者胸部CT数据应用人工智能深度学习技术挖掘影像学特征，对大量初筛患者CT数据在短时间内报出疑似新冠炎症区域，完成疑似病例筛查，辅助高强度工作下的影像诊断。同时结合指南中提出的检验学指标特征与临床指标特征进行判读，辅助医生快速进行精准临床判断。

（2）精准定量评估：面向感染科、呼吸内科等临床科室，构建计算机智能辅助诊断评分模型及系统，对炎症区域进行边界信息提取，计算病毒侵犯区域所占肺叶与肺的体积，帮助医生定量评估病情程度；继续收集病人影像CT对应的临床特征信息，对各临床分型肺炎医疗数据综合学习，结合重症特征、影像等多模态数据的分析结果优化权重关系，建立危重症肺炎预测模型，提前预判以行针对性强化治疗，提升危重患者生存率。

（3）临床分型：对各临床分型肺炎医疗数据综合学习，建立危重症肺炎预测模型，提前预判病人病症分型，进行针对性强化治疗，提升危重患者生存率。

（4）支持多国语言：已推出多国语言版本，支持韩语、意大利语、英语等。

截至目前，已收集1612例数据，其中阳性数据1012例，阴性数据612例，其中标注肺部影像轮廓231,100张，肺部炎症区域18,600张，人工智能系统累计学习影像图片数量达463,200张，该系统已在多家定点医院投入实际应用，已辅助医生诊断病例数量达4.3万例。

图1 新冠肺炎AI三维全定量分析系统界面

（左为定量分析模块，中为影像筛查模块，右为临床综合诊断模块）

截止到2020年5月18日，已在10余家医院完成部署，已与3家国外医疗机构对接。

图2 武汉中南医院与武汉天佑医院部署情况

a：数据来自五家医院收集情况；b：背靠背标注数据与质量控制

c：深度学习训练模型框架；d：部署医院方式

算法实验结果：

*基于1578例数据集结果