科大研發AI技術加快診斷新冠肺炎

澳門雜誌

148期

張康教授表示，使用人工智能診斷技術，僅需要20秒就可以完成輔助診斷，可以有效減輕醫療人力資源、醫療物質匱乏的狀況。
使用人工智能診斷技術，可以在病患的數百張胸部醫學影像中快速準確地找出病灶。
系統掛載於中國科學院國家生物信息中心，與此研究成果同步發佈的還有一個高品質、大規模的影像資料庫和專業技術演算法的代碼，與全世界分享，助力全球抗疫。
學術期刊《細胞（Cell）》
專項成果已發表到《Cell》
深度學習是近十年來，在人工智能領域發生的顛覆性技術，這技術以電腦作為媒介，模擬出人類大腦一樣的記憶及思維。在此基礎上，我們只要整合所有大數據及人工智能深度學習的演算法，通過訓練就能夠得到一個非常準確的新冠肺炎診斷工具。 —— 張康

未能播放Youtube視頻

張康教授表示，使用人工智能診斷技術，僅需要20秒就可以完成輔助診斷，可以有效減輕醫療人力資源、醫療物質匱乏的狀況。

具深度學習能力的人工智能（Artificial Intelligence，俗稱「AI」）關鍵技術，在醫學上的應用越來越成熟，已被廣泛應用到多個領域。在新型冠狀病毒大流行期間，AI便協助科研團隊，實現了「早診斷、早控制、早治療」的防控措施，造福社會。

由澳門科技大學醫學院講座教授張康及其團隊研發的「基於人工智能的新型冠狀病毒SARS-CoV-2感染的診斷核心關鍵技術」（下文簡稱「AI診斷技術」），可在20秒內高效區分新冠肺炎與其他病毒性肺炎，還能預測危重等級，且準確率高達90%以上。

AI輔助診斷快又準

張康教授介紹，運用深度學習（Deep Learning）、遷移學習（Transfer Learning）、語義分割（Semantic Segmentation）等多種人工智能前沿技術，開發出基於胸部CT（Computed Tomography，電腦斷層攝影）和X-ray（俗稱「X光」）的新冠肺炎人工智能系統，可以對胸部醫學影像進行快速輔助診斷。他說：「深度學習是近十年來，在人工智能領域發生的顛覆性技術，這技術以電腦作為媒介，模擬出人類大腦一樣的記憶及思維。在此基礎上，我們只要整合所有大數據及人工智能深度學習的演算法，通過訓練就能夠得到一個非常準確的新冠肺炎診斷工具。」

AI診斷技術的出現，有效減輕醫療人力資源及物資的消耗，促進疫情診斷方向的全球化交流，對新冠肺炎的研究起到關鍵性作用。張康教授指出，每名病患都會拍攝數百張胸部醫學影像，其中顯示出病灶的便可能有數十張。「即使資歷較深的醫生，亦要約20分鐘，才能通過胸部醫學影像判斷出患者是否感染了新冠病毒及肺部病灶所在，較為耗時。若使用AI診斷技術，則僅需20秒就可以完成輔助診斷。」AI診斷技術除有快速判斷功能外，還可以對胸部醫學影像的病灶進行自動識別、標註及定量分析，準確率達到90%以上，並可預測病灶的發展情況，有利醫生及時診治，亦有助醫務人員進行藥物效果評估，實現對新冠肺炎病患的全生命週期管理。

為武漢抗疫極速研發

張康教授稱，新冠肺炎的爆發，是史無前例及情況危急的。當時許多呼吸科、放射科、影像科的醫生，都難以迅速判斷病患是否患上新冠肺炎，大大增加了實體醫療系統負荷，為醫療人員帶來感染風險。「在急需和剛需的情況下，醫院和醫療人員都需要一款快速、高效、廉價的AI工具，用作診斷和甄別新冠肺炎。」有見及此，張康教授團隊與中國科學院、國家生物資訊中心、清華大學和中山大學孫逸仙紀念醫院、廣州再生醫學與健康廣東省實驗室等團隊聯合一起，緊急攻關研發，迅速收集了全國相關的醫學影像數據，在幾千名病患的50多萬張胸部醫學影像中進行人工標註、分割及切割。

系統掛載於中國科學院國家生物信息中心，與此研究成果同步發佈的還有一個高品質、大規模的影像資料庫和專業技術演算法的代碼，與全世界分享，助力全球抗疫。

張康教授坦言，在研發系統過程中也遇到不少困難和障礙。「AI系統需要大量的醫學影像支撐及作為數據基礎，由於疫情來得突然，加上正值春節期間，許多醫療人員及團隊成員都不在崗位上，調取醫學影像數據有一定的困難。」可幸的是，團隊成員都有共同目標，希望盡快開發出輔助診斷工具，在各方的努力下，AI診斷技術於2020年2月研發成功，並於3月緊急送達武漢金銀潭醫院和武漢大學附屬醫院等的抗疫前線，對內地新冠疫情診斷和防護疫情起到積極的作用。

為支持全球性抗疫，推動抗疫國際合作，AI診斷技術的所有數據及代碼以國務院及中國科學院名義，於國家生物資訊中心作為中國抗疫的高端產品向全球發佈，應用到伊拉克、伊朗及歐洲、南美洲國家，為當地的抗疫作出貢獻。

人工智能技術除了在實體醫療系統及臨床應用取得巨大的創新突破外，在學術層面亦作出巨大貢獻。張康教授稱，「我們把這項技術的學術研究發表到國際頂級學術期刊《細胞（Cell）》中，同時，在國家生物資訊中心儲存的影像和代碼，已被全球下載了350萬次以上。」

擴大臨床應用範圍

「羅馬不是一天建成的」。在新冠爆發前，張康教授團隊便開始以人工智能進行醫學應用領域的研究，有一定的基礎和數據儲備。2018年，張康教授團隊利用遷移學習和深度學習進行全球首次的眼科診斷，其研究還包括黃斑變性、彈網膜視網膜病變及小兒肺炎，該系統的準確率同樣達到90%以上。2019年，張康教授團隊繼續開發了一種基於自然源處理電子文本，進行兒科分診診斷的AI系統，推動AI於臨床應用。「AI診斷技術不僅能夠診斷新冠肺炎，還可以診斷其他常見的肺部疾病，包括肺結節、肺結核、肺癌、肺氣腫、支氣管炎等，對常見的肺部多發病及罕見病，同樣起到積極的輔助診療作用。」

張康教授團隊不斷發展和完善基於AI的醫學影像學技術體系，擴大臨床適用範圍，將其開發成為多種傳染性疾病的有效輔助診斷工具，推動AI技術在醫療領域的長遠發展。