“柳叶刀The Lancet Digital Health发表武汉同济医院等多中心COVID”

本篇文章1356字，读完约3分钟

9月23日，基于深度学习模型的新冠肺炎( covid-19 )诊疗的大规模、多中心回顾性研究在世界顶级医学期刊《柳叶刀》旗下的新书the lancet digital health上发表。 这篇论文从新型冠状病毒肺炎诊断、临床诊断效率、病情监测、轻症和无症状感染者等多种角度系统地研究了深度学习模式的价值和作用，包括华中科技大学同济医学院附属同济医院(简称武汉同济医院)、武汉科技大学附属天佑医院、咸宁市中心医院、 中南大学湘雅二医院、国家感染性疾病临床研究中心(深圳市第三人民医院) )等国内多家知名医院和北京推想科技有限企业) )共同完成，武汉同济医院、湘雅二医院、推想科技为共同第一作者，武汉同济医院院长王伟为通信作者

本研究提出了一种基于ct影像诊断疑似新冠肺炎患者，并能自动定量分解确诊患者病灶的深度学习模型。 研究小组在不同发病率地区的多家医院连续收集实际临床数据，组成外部验证集验证模型分诊效率和准确率的研究小组还收集了100套rt-pcr诊断确诊患者的ct前后片，验证了模型病灶的解体性能。

研究小组首先将2447例胸部ct影像( 1647例经rt-pcr诊断为阳性，800例经rt-pcr诊断为阴性)用于模型训练，639例胸部ct影像) 439例经rt-pcr诊断为阳性，200例为RT， 模型内部验证集中的auc，灵敏度和特异度分别为0.985(95%ci0.982&Ndash； 0.989 )、0.973 ( 0.966和纳斯达克； 0.980 )和0.850 ( 0.827和纳斯达克； 0.875 )。

其次，研究小组从武汉科技大学附属天佑医院(武汉，发病率约0.566% )、咸宁市中心医院(咸宁，发病率约0.034% )和中南大学湘雅二医院)长沙，发病率约0.003% )连续接到1097、820和203套发热门诊患者的 以患者的ct影像报告为参考标准，模型的auc、灵敏度、特异度、ppv和npv分别为0.953(0.949&NDASH； 0.959 )、0.923 ( 0.914和纳斯达克； 0.932 )、0.851 ( 0.842和纳斯达克； 0.860 )、0.790 ( 0.777和纳斯达克； 0.803 )，和0.948 ( 0.941和纳斯达克； 0.954 )。

研究小组还模拟了将ai应用于临床流程，以探索其分诊效率。 模型通过直接向老年医生或临床医生展示影像学结果，可以大大缩短阳性患者影像学报告所需的时间( p<； 0.0001 )。 模型通过向高龄医生和临床医生报告结果可减少的时间中位数和四分位距离分别为15.73(11.05-25.25 )和22.62 ) 15.12-38.63分。

为了验证模型对轻症或无症状患者的表现，研究小组还收集了761例来自角室的轻症或无症状患者的胸部ct影像，其中618(81%的患者有新冠相关的影像学表现，模型灵敏度为0.886(0.873&NDASH ) 0.898 )。 另外，收集了686例疫情发生前天佑医院和深圳市第三人民医院的胸部ct影像，验证了模型在非新冠混淆病例中的表现。 模型的特异度为0.822(0.808-0.836 )。

该研究收集了来自实际临床场景的多个数据集，验证了模型在新冠疑似肺炎患者的诊断和病灶解体中的表现。 这是国内罕见的基于深度学习模式的covid-19大规模、多中心临床研究。 研究结果表明，模型具有很好的鲁棒性，在许多数据集中很稳定。 此外，研究小组还将深度学习模式纳入了流传至今的临床流程中，以加速疑似患者的分诊，其自动病灶清除功能对新冠监测和管理肺炎患者的病情有着重要的作用。

新型冠状病毒肺炎流行以来，科技不仅在第一时间发布人工智能产品辅助新冠肺炎筛查与监测，还与国内多家医院开展了深入的科研合作，预计将产生高质量的成果。 面对未知病毒，面对第六次国际公共卫生紧急情况和全球大流行，只有深入的科学研究才能帮助人类了解和战胜它。 截止到目前，科技与合作医院已经发表了10余篇关于新冠肺炎的非常有影响力的科研成果，还有世界顶级医学期刊jama及其子刊jama network open、医学影像顶级期刊radiology新书等。 我推测，未来科学技术将继续站在ai医学科学研究的前沿，与疾病作斗争，与未知作斗争。