鑒別新冠肺炎CT影像 這個團隊20天搭建出AI輔助系統

“天津第一批醫療隊出發馳援武漢……”看著手機裡的新聞，天津醫科大學腫瘤醫院副院長徐波教授陷入了沉思，自己能為抗擊疫情做些什麼？

作為中國抗癌協會腫瘤人工智能專業委員會主任委員，徐波一直致力於推動人工智能技術在腫瘤學領域的應用，他第一時間就想到了人工智能技術。

歷時20天，由中國抗癌協會腫瘤人工智能專業委員和國家超級計算天津中心組成的“CT影像綜合分析AI輔助系統”項目團隊研發出可較為准確區別普通病毒性肺炎與新冠肺炎的新系統。目前，該系統已在國家超算天津中心試運行。

作為項目研究團隊的牽頭人之一，徐波表示，雖然其團隊不是專業研究病毒性肺炎的，但作為一名醫務人員同時也是科研工作者，在國家需要時投身戰“疫”，義不容辭。

挺身而出，緊急牽頭組建團隊

“因為一直有項目合作，我馬上聯系了國家超級計算天津中心應用研發部部長孟祥飛博士，我們不謀而合，最終決定搭建一個影像分析的AI輔助系統，為CT等影像學檢查判斷新冠肺炎提供參考。”徐波回憶說，雖然典型的CT圖像可能有助於早期篩查疑似病例，但由於各種病毒性肺炎的圖像比較相似，影像科醫生很難通過肉眼直接判斷。而CT影像的AI輔助診斷系統可以提供有力的參考，提高篩查診斷能力。

“我們之前搭建過一個‘乳腺癌病理學綜合分析AI輔助系統’，最初我覺得這個系統已有一個相對成熟的模型算法，在此基礎上稍加修改，應該很快就能把新冠肺炎的模型搭出來。”徐波笑著說，“事實証明，我們輕敵了，新系統模型的搭建遠沒有那麼簡單。”

新搭建的系統採用人工智能深度學習技術，對新冠肺炎和其他病毒性肺炎的CT圖像進行分析鑒別。“讓計算機深度學習，先要有大量數據訓練集。數據案例最多的地方肯定是湖北，但此時一線的醫護人員的重點都在患者的救治上，而其他地方的案例又有限。”徐波感慨。

眾人拾柴火焰高。人工智能專委會發揮團隊作戰優勢，聯合了西安交通大學第一附屬醫院、南昌大學第一附屬醫院、陝西省傳染病醫院等多家醫療機構，通過各種渠道，最終收集了453張病毒性肺炎患者的CT影像資料。

搜集到CT影像只是第一步。“CT影像中的肺實變、磨玻璃影、鋪路石等典型特征想要計算機學習，就得先告訴它們這些特征在哪，因此區域的選擇非常重要，直接影響到建模和機器學習的效果，以及系統最終的准確率。”徐波說。

天津醫科大學2017級博士研究生王帥是徐波的學生，他負責對CT影像中需要計算機識別學習的區域進行勾畫和篩選。“時間緊，任務重，我給他下了死命令，他每天一早就一頭扎在電腦前，一坐就是一天。”徐波說。

面對失敗，絕不能輕言放棄

做了大量的前期准備工作，徐波和孟祥飛對第一次測試的結果充滿期待，結果卻令他們大失所望——起初機器識別准確率並不理想。接下來，歷經連續七八次調整之后，准確率依然“飄忽不定”。

“我們自己都開始懷疑，是否能用AI技術來很好地識別新冠病毒肺炎。但關鍵時刻，大家迅速重拾信心投入戰斗，誰也沒有輕言放棄。”徐波說，為此，他們一方面請了更多的影像科醫生重新探討選擇的影像區域，另一方面超算中心的康波博士團隊改良了Inception遷移學習模型，建立了新的算法。

終於，研發了近二十天，經過數據集的訓練和組內及組間驗証，模型鑒別新冠肺炎的總准確率可達83%，特異性為80.5%，靈敏度為84%。在平時，搭建這樣一個系統，從數據採集、建模到驗証，至少需要一年的時間。

“天河平台的AI+CT系統有兩個層面上的判斷，一個是判斷病毒性肺炎的准確率，第二層意義是幫助判斷是普通病毒性肺炎還是新冠肺炎。”徐波說，AI+CT模型在進一步優化調試后有望快速、高效、准確、安全地助力新冠肺炎的診斷。相比於影像醫師約10分鐘/例及核酸檢測的總耗時24—48小時，AI+CT模型的檢測分析每例隻需要10秒。

目前，該系統正通過擴大數據集來進一步優化模型，正式上線后，使用者僅需要遠程借助“天河人工智能創新一體化平台”提供開放能力支撐，便可在電腦、手機等多個終端注冊使用。

“我們搭建的這個系統是一個完全公益的科研平台，期待大家加入到測試和優化的后期工作中來。”徐波說。