值得把稳的是，秋冬时令也是其他呼吸道疾病的高发期，这让新冠肺炎的鉴别、诊断和治疗变得更加困难。
近期，《自然》子刊《自然通讯》发布的论文显示，中国研究员已开拓一种基于深度学习的人工智能系统，可用来快速地区分新冠肺炎和其他呼吸道疾病。

基于1万多份CT扫描数据构建

据理解，这篇论文题为《新型冠状病毒(COVID-19)人工智能诊断系统的开拓与评估》（Development and evaluation of an artificial intelligence system for COVID-19 diagnosis），由清华大学自动化系和华中科技大学同济医学院附属协和医院两个科研团队共同完成。

论文指出，目前胸部成像技能可显示出肺部早期病变，可被广泛利用且经济适用。
但是，胸部CT影像包含数百个切片影像，年夜夫的诊断韶光较长；其余，由于新冠肺炎与其他肺炎在症状上存在相似性，放射科年夜夫要积累大量的履历才能实现高效诊断。
一旦新冠肺炎和流感同时爆发，CT诊断事情量将远远超过现有放射科年夜夫能够负荷的数量。

针对诊断困难的问题，研究职员提出一种基于深度学习的人工智能诊断系统。
该系统可以直接输入CT影像数据，并从中提取和分割出肺部区域的数据。
系统由五个关键部分组成：肺部分割网络、切片诊断网络、冠状病毒传染切片定位网络、阐明深层网络的可视化模块，以及阐明关注区域特色的图像表型剖析模块。

人工智能系统事情流程。

据悉，这套人工智能系统的开拓和评估数据来自武汉三所医院和四个公开数据库，包含了新型冠状病毒、流感A/B、非病毒性社区得到性肺炎（以下简称CAP）以及非肺炎受试者超过1万份的胸部CT数据。

实验中人工智能系统读片速率更快

在进一步的研究中，研究职员将人工智能系统和五名履历丰富的放射科年夜夫进行比拟。
这五名年夜夫的从业韶光均在5年以上，每年大约要读取3000-5000位患者的CT影像数据。
结果显示，放射科年夜夫的均匀阅读韶光为6.5分钟，而人工智能系统的均匀阅读韶光为2.73秒，远高于人工速率。

须要把稳的是，论文指出，人工智能系统在区分普通肺炎和非肺炎方面要比放射科年夜夫差一些，但是在更具寻衅性的识别和分类中，人工智能系统的上风要更明显。

表格显示，在区分CAP和新冠肺炎时，人工智能系统的准确率为92%，而放射科年夜夫的准确率为74%；在区分流感和新冠肺炎时，人工智能系统的准确率为88%，而放射科年夜夫的准确率仅为54%，两者相差较大。

人工智能系统与放射科年夜夫识别数据比较。
前述准确率数据紧张依据表格中的“Any reader”类目得出。
论文对“Any reader”的注释显示，在每一个病例的识别中，只要五位年夜夫中有一位涌现识别缺点，则该案例就会被标记为人类识别缺点。

“不同类型的肺炎具有高度的相似性，特殊是在早期（相似性更明显）；而且同一类型肺炎的不同阶段差异较大，CT筛查很难将新冠肺炎与其他肺炎进行鉴别，”论文作者、清华大学自动化系副教授冯建江在接管媒体采访时说，“因此，开拓针对新冠肺炎的人工智能诊断算法是非常必要的。
”

其余，冯建江表示人工智能诊断算法具有高重复性和易于大规模支配的优点，有潜力成为掌握新冠肺炎传播的新工具，目前武汉部分医院已经用上干系的人工智能运用。

人工智能在新冠肺炎治疗中的运用

人工智能领域现已在应对新冠肺炎疫情上多处发力。
据新华社宣布，英国牛津大学领衔的一个科研团队正开拓和测试一种人工智能算法，可赞助年夜夫诊断和管理新冠患者病情。

这套算法可以帮助年夜夫更快速地诊断病情，并且预判患者是否会涌现病情恶化，比如哪些患者会涌现呼吸困难、哪些患者会发展出长期性的肺功能问题。
针对预判医护职员可以对患者进行更细致的医学不雅观察，用有限的资源更高效的帮助有须要的患者。

其余，西班牙研究机构也开拓出类似的人工智能模型。
该模型可以预测新冠肺炎患者是否会涌现严重的呼吸衰竭并须要进入重症监护室（ICU）接管治疗，并通过模型的预判对医疗资源进行分配。

综合：南都人工智能伦理课题组研究员 周姝祺