時至今日，新冠疫情仍然在全球肆虐。

雖然中國的疫情已經(jīng)得到有效遏制，但中國的醫(yī)務(wù)工作者仍在對新冠肺炎（COVID－19）進行持續(xù)深入研究，希望為全球疫情應(yīng)對提供幫助。尤其是大規(guī)模、多中心的回顧性研究，對我們進一步認識病毒，更好地診斷和治療，乃至預(yù)防疫情二次爆發(fā)都具有重要價值。

華中科技大學(xué)同濟醫(yī)學(xué)院附屬同濟醫(yī)院（簡稱武漢同濟醫(yī)院）曾地處疫情中心，不僅擁有三個院區(qū)接診患者，還接管了武漢光谷方艙醫(yī)院，在武漢疫情阻擊戰(zhàn)中扮演了重要角色。整個過程中，同濟醫(yī)院的醫(yī)生也在不斷應(yīng)用實戰(zhàn)積累的數(shù)據(jù)，深入探索新冠肺炎。

9月23日，一篇由武漢同濟醫(yī)院等國內(nèi)多家戰(zhàn)疫一線醫(yī)院聯(lián)合完成的針對新冠肺炎（COVID－19）多中心回顧性研究在全球頂級醫(yī)學(xué)期刊《柳葉刀》新刊The Lancet Digital Health發(fā)表。該論文研究了從新冠肺炎診斷、臨床分診效率、病情監(jiān)控、輕癥及無癥狀感染者等多個角度系統(tǒng)研究了深度學(xué)習(xí)模型的價值和作用，為全球疫情應(yīng)對提供了重要參考。

該論文由武漢同濟醫(yī)院、武漢科技大學(xué)附屬天佑醫(yī)院、咸寧市中心醫(yī)院、中南大學(xué)湘雅二醫(yī)院、深圳市第三人民醫(yī)院等國內(nèi)多家在抗擊疫情過程中扮演重要角色的醫(yī)院與推想科技聯(lián)合完成，武漢同濟、推想科技、湘雅二院為共同第一作者，武漢同濟醫(yī)院院長王偉為通訊作者。這也是國內(nèi)鮮有的基于深度學(xué)習(xí)模型的COVID－19大規(guī)模多中心臨床研究，進一步驗證了深度學(xué)習(xí)模型在新冠疫情中的價值和作用。

該研究提出了一種基于CT影像分診疑似新冠肺炎患者，并可以自動定量分析確診患者病灶的深度學(xué)習(xí)模型。該模型采用U－Net深度學(xué)習(xí)算法，可同時實現(xiàn)疑似新冠患者分診和確診患者病程分析兩個研究目標。

研究團隊首先收集了2447例胸部CT影像（1647例為RT－PCR確診陽性，800例為RT－PCR確診陰性）用于模型訓(xùn)練，639例胸部CT影像（439例為RT－PCR確診陽性，200例為RT－PCR確診陰性）用于模型內(nèi)部驗證。模型在內(nèi)部驗證集上的AUC，靈敏度和特異度分別為0．985 （95％ CI 0．982–0．989），0．973 （0．966–0．980），和0．850 （0．827–0．875）。

其次，研究團隊分別從武漢科技大學(xué)附屬天佑醫(yī)院（武漢，發(fā)病率約0．566％），咸寧市中心醫(yī)院（咸寧，發(fā)病率約0．034％）和中南大學(xué)湘雅二醫(yī)院（長沙，發(fā)病率約0．003％）連續(xù)收集了1097，820和203套發(fā)熱門診患者的胸部CT影像作為外部驗證集。以患者CT影像報告為參考標準，模型的AUC，靈敏度，特異度，PPV和NPV分別為0．953 （0．949–0．959），0．923 （ 0．914–0．932），0．851 （0．842–0．860），0．790 （0．777–0．803），和0．948 （0．941–0．954）。

此外，研究團隊還模擬將AI應(yīng)用于臨床流程中，以探究其分診效率。模型直接將影像學(xué)結(jié)果提示給高年資醫(yī)師或臨床醫(yī)師可大大縮短得出陽性患者影像學(xué)報告所需時間（p＜0．0001）。模型將結(jié)果報告給高年資醫(yī)師和臨床醫(yī)師可減少的時間中位數(shù)和四分位距分別為15．73（11．05－25．25）和22．62（15．12－38．63）分鐘。

為驗證模型針對輕癥乃至無癥狀患者的表現(xiàn)，研究團隊額外收集了761例來自方艙的輕癥或無癥狀患者的胸部CT影像，其中618（81％）位患者有新冠相關(guān)的影像學(xué)表現(xiàn)，模型的靈敏度為0．886 （0．873–0．898）。研究還收集了686例疫情爆發(fā)前天佑醫(yī)院和深圳市第三人民醫(yī)院的胸部CT影像用以驗證模型在非新冠混淆病例上的表現(xiàn)，模型的特異度為0．822 （0．808－0．836）。

該研究收集了多個來自真實臨床場景的數(shù)據(jù)集用以驗證模型在新冠肺炎疑似患者分診和病灶分析方面的表現(xiàn)。研究結(jié)果顯示，模型具有較好的魯棒性，在多個數(shù)據(jù)集中表現(xiàn)穩(wěn)定。此外，研究團隊將深度學(xué)習(xí)模型融入傳統(tǒng)臨床流程以加速疑似患者的分診，其自動病灶分析功能對新冠肺炎患者的病情監(jiān)控和管理均具有重要意義。

最后，研究還探究了模型基于CT影像評估病情進展的表現(xiàn)，以三位影像科專家的評估結(jié)果作為參考標準，模型的靈敏度和特異度分別為0．962（0．947－1．000）和0．875（0．833－0．923），且模型結(jié)果與參考標準有較高的一致性（Kappa為0．839，95％CI 0．718－0．940）。

作者：動脈網(wǎng)