針對新冠肺炎的診斷方式中，會因?yàn)榉N種原因諸如醫(yī)師讀取CT 片出現(xiàn)偏差、各類病毒性肺炎影像過于相似等，發(fā)生各種難以鑒別、出現(xiàn)“漏網(wǎng)之魚”的情況。在疫情防控常態(tài)化形勢之下，如何更加精準(zhǔn)檢測？

近期，南京醫(yī)科大學(xué)俞婷婷博士團(tuán)隊(duì)和江蘇省疾病預(yù)防控制中心徐酩博士團(tuán)隊(duì)合作開發(fā)的依托人工智能的“COVID-19 多模態(tài)AI 輔助診斷軟件”，有望較好地解決這樣的問題。

俞婷婷介紹，以新冠肺炎的確診指標(biāo)為例，除了核酸檢測，臨床上還通常依靠CT、X光片等影像學(xué)資料、抽血化驗(yàn)等檢驗(yàn)學(xué)資料、有無咳嗽發(fā)熱等體征觀察進(jìn)行綜合分析，并結(jié)合流行病學(xué)史作出診斷。

該團(tuán)隊(duì)發(fā)明的AI 輔助診斷軟件，能夠?qū)⑸鲜鲞@些不同形式信息的臨床檢測結(jié)果資料全部整合入檢測平臺，用人工智能進(jìn)行分析判定。如此一來，對患者的分析就可以更加快速、全面、準(zhǔn)確。這一輔助診斷軟件正是模擬了人腦的工作流程，而且相比人腦，它的存儲更加海量、速度更加提升、判斷更加精準(zhǔn)。

以早期的新冠肺炎和其他病毒性肺炎為例，它們的肺部感染CT 影像就非常相似，而人眼精度有限，難以辨別。但人工智能可以發(fā)現(xiàn)微小到像素級別的不同，并把它們提取出來，再結(jié)合檢驗(yàn)學(xué)指標(biāo)、臨床資料等作出判斷。因此，在區(qū)分新冠肺炎和其他病毒性肺炎、細(xì)菌性肺炎方面，多模態(tài)AI 輔助診斷軟件的準(zhǔn)確率可達(dá)97.31%。

團(tuán)隊(duì)研發(fā)的軟件可以根據(jù)“學(xué)習(xí)到的知識”，對患者的各項(xiàng)檢查數(shù)據(jù)進(jìn)行匯總分析比較，做出有效的新冠肺炎輕重癥預(yù)測。結(jié)合臨床與實(shí)驗(yàn)室結(jié)果，預(yù)測準(zhǔn)確率可達(dá)97%，有望實(shí)現(xiàn)新冠輕重癥的早期預(yù)測與早期預(yù)警。