4月25日，我校华西医院李为民教授等作为共同通讯作者，与澳门科技大学、清华大学、中山大学等多家机构合作开展的研究成果“Clinically Applicable AI System for Accurate Diagnosis, Quantitative Measurements and Prognosis of COVID-19 Pneumonia Using Computed Tomography”，在Cell在线发表。该研究使用来自4154名患者的大型计算机断层扫描（CT）数据库，开发了可以诊断新冠肺炎并将其与其他常见肺炎和正常对照区分开的AI系统。

该研究的AI系统识别了与新冠肺炎病变特性相关的重要临床标志物。连同临床数据，AI系统能够提供准确的临床预后，可以帮助临床医生考虑适当的早期临床治疗并适当地分配资源。该研究已经在全球范围内提供了此AI系统，以协助临床医生应对COVID-19。

研究表明，超过60％的患者一旦进入严重/严重疾病阶段就死亡。因此，在这样的大流行病的早期干预和严格监测的计划中，确定可以创建准确的预后预测模型的风险因素和参数至关重要，并且有望改善临床结果。

目前，实验室检查和胸部X光检查对发烧，咳嗽和流感症状的个体进行筛查，以排除肺炎。如果诊断出病毒性肺炎，出于明显的公共卫生原因，能够诊断新冠肺炎至关重要。通过聚合酶链反应（PCR）测试确认COVID-19的诊断。胸部计算机断层扫描（CT）是诊断包括肺炎在内的肺部疾病的重要工具。

与标准实验室中进行的分子诊断测试相比，CT扫描程序具有更快的周转时间，并且可以提供与病理学有关的更详细的信息，并且更适合定量测量病变的大小和肺部受累的程度/程度，这可能与预后相关。由于季节性流感也会引起病毒性肺炎，因此区分新冠肺炎与普通流感或其他类型的肺炎（如病毒性肺炎和细菌性肺炎）也很重要。因此，基于CT的精确人工智能（AI）系统可能具有协助早期诊断以计划，监测和治疗以及为纵向随访建立参考的潜力。

AI在许多医疗领域中的新进展激发了基于AI的新型放射诊断技术的开发创新。该研究回顾了胸部薄层CT的各种定量模型，并显示了定量工具在准确诊断和纵向随访中的有效性。另一项研究表明，深度学习算法有助于识别头部CT扫描异常，从而有助于临床分诊过程。最近的研究证明了将AI集成到眼部和儿童疾病诊断系统中的潜力，并可以显著提高临床诊断效率和准确性。因此，该研究使用更精确的CT扫描工具，可以建立一个可以准确诊断新冠肺炎的AI系统，这将有助于放射科医生和临床医生处理具有COVID-19 症状的患者。

另一个迫切需要是确定罹患急性呼吸衰竭的风险较高的患者，以便可以及早对其进行密切监视并尽早接受干预治疗，否则此类患者将更有可能最终发展出与高死亡率相关的多器官衰竭。由于病变特征（包括病变的数量，大小和密度）以及整个肺实质是肺损伤，因此该研究还检验了关于是否可以使用临床数据和CT建立AI系统的假设参数以生成准确的临床预后模型，使临床医生可以计划对这些患者进行早期监测和管理。因此，该研究在新冠肺炎，其他常见的肺炎和正常对照上构建了一个大型的CT数据集，并开发了AI诊断系统，以协助准确诊断中国的一个流行病地区和两个非流行病地区。

该论文成果第一单位为澳门科技大学，第二单位为我校华西医院；张康系共同第一作者（排第一位）及共同通讯作者，李为民为共同通讯作者；通讯作者单位除澳门科技大学和我校华西医院外，还有清华大学、广州医科大学第一附属医院等。

相关链接：

https://www.cell.com/pb-assets/products/coronavirus/CELL_CELL-D-20-00656.pdf