近日，我校孫逸仙紀(jì)念醫(yī)院副院長(zhǎng)林天歆教授團(tuán)隊(duì)在國(guó)際知名學(xué)術(shù)期刊Nature Biomedical Engineering發(fā)表題為“A deep-learning pipeline for the diagnosis and discrimination of viral, non-viral and COVID-19 pneumonia from chest X-ray images”的論文，該研究成功開(kāi)發(fā)了基于X線(xiàn)胸片的人工智能診斷系統(tǒng)用于新冠肺炎的診斷以及與其他常見(jiàn)的病毒及非病毒性肺炎的快速智能診斷，為新冠肺炎的防控增添了有力的支持。
該研究由中山大學(xué)、北京郵電大學(xué)、清華大學(xué)、澳門(mén)科技大學(xué)、四川大學(xué)、安徽醫(yī)科大學(xué)、三峽大學(xué)、廣州市再生醫(yī)學(xué)衛(wèi)生廣東省實(shí)驗(yàn)室、南京大學(xué)、南方醫(yī)科大學(xué)等24家國(guó)內(nèi)外大學(xué)及醫(yī)院協(xié)作，由孫逸仙紀(jì)念醫(yī)院林天歆教授團(tuán)隊(duì)與北京郵電大學(xué)王光宇教授團(tuán)隊(duì)、澳門(mén)科技大學(xué)張康教授團(tuán)隊(duì)牽頭合作完成，孫逸仙紀(jì)念醫(yī)院放射科沈君教授為共同第一作者，林天歆教授為最后通訊作者，孫逸仙紀(jì)念醫(yī)院為最后通訊單位。該研究得到孫逸仙紀(jì)念醫(yī)院院長(zhǎng)宋爾衛(wèi)院士的大力支持和精心指導(dǎo)。
胸片及胸部CT是新冠肺炎篩查、診斷及病情評(píng)估的重要手段。胸片（CXR）十分簡(jiǎn)單經(jīng)濟(jì)而且普及，是篩查和診斷包括細(xì)菌性、病毒性在內(nèi)的各類(lèi)肺炎的首選手段，開(kāi)發(fā)基于胸片的人工智能（AI）診斷系統(tǒng)能為新冠肺炎提供更加經(jīng)濟(jì)且易于快速普及的診斷工具。
由于X線(xiàn)顯示病變不及CT清晰和全面，非病毒性肺炎、其他病毒性肺炎在胸片的影像特征比較相似，因此基于胸片的人工智能（AI）診斷系統(tǒng)開(kāi)發(fā)需要大量的訓(xùn)練數(shù)據(jù)及更加巧妙地人工智能的算法及流程。既往的AI模型基于弱監(jiān)督分類(lèi)或基于注意力的卷積神經(jīng)網(wǎng)絡(luò)用于CXR的肺部疾病檢測(cè)。然而，目前仍缺乏對(duì)可變的CXR圖像條件具有魯棒性并且能夠滿(mǎn)足實(shí)際臨床應(yīng)用標(biāo)準(zhǔn)的全自動(dòng)分析流程。該研究使用包含145,202張CXR圖像的多中心數(shù)據(jù)集，以及其他四個(gè)隊(duì)列和多個(gè)國(guó)家的數(shù)千張圖像進(jìn)行了回顧性和前瞻性測(cè)試（圖1），建立了基于CXR的圖像標(biāo)準(zhǔn)化、病變可視化和疾病診斷，可用于識(shí)別新冠肺炎，并與其他病毒性肺炎及非病毒性肺炎相鑒別的全自動(dòng)深度學(xué)習(xí)流程，該人工智能系統(tǒng)適用于多種環(huán)境，通過(guò)在流程中引入解剖學(xué)邊界自動(dòng)檢測(cè)實(shí)現(xiàn)CXR圖像標(biāo)準(zhǔn)化處理，同時(shí)為全自動(dòng)學(xué)習(xí)和分析各種肺炎的影像學(xué)特征提供指引，不僅具有很強(qiáng)的通用性，還能很好地快速區(qū)分病毒性肺炎、其他類(lèi)型肺炎和無(wú)肺炎（AUC=0.88-0.99），嚴(yán)重與不嚴(yán)重新冠肺炎（AUC=0.87），嚴(yán)重/不嚴(yán)重COVID-19肺炎、其他病毒性和非病毒性肺炎（AUC=0.82-0.98）。在獨(dú)立的440張CXR測(cè)試中，該人工智能系統(tǒng)的診斷效能與高級(jí)放射科醫(yī)師相當(dāng)，并能夠顯著提高初級(jí)放射科醫(yī)師的診斷水平。
該人工智能系統(tǒng)在協(xié)助放射科醫(yī)生快速準(zhǔn)確診斷大流行性肺炎中具有重大的臨床價(jià)值?？梢栽跊](méi)有分子檢測(cè)結(jié)果或者CT高端影像資源缺乏的情況下，能夠快速準(zhǔn)確診斷和評(píng)估新冠肺炎及其他病毒性肺炎的嚴(yán)重性，為臨床早期干預(yù)提供決策支持。該系統(tǒng)可快速部署到各級(jí)醫(yī)療中心，為抗疫提供又一強(qiáng)有力的診斷工具。
圖1：基于CXR的人工智能診斷系統(tǒng)的建立
該研究團(tuán)隊(duì)自新冠以來(lái)持續(xù)關(guān)注人工智能在新冠肺炎中的影像診斷鑒別研究，前期已開(kāi)發(fā)基于CT的新冠肺炎人工智能系統(tǒng)，相關(guān)研究結(jié)果2020年6月11日發(fā)表在Cell上。本次研究是在前期研究基礎(chǔ)上的又一次突破。上述研究工作得到了國(guó)家重點(diǎn)研究發(fā)展計(jì)劃(2019YFB1404804)、國(guó)家自然科學(xué)基金 (NO: 61906105, 61872218, 61721003，61673241)、廣東省基礎(chǔ)與應(yīng)用基礎(chǔ)研究基金(NO: 2019A1515010549)、廣州再生醫(yī)學(xué)與健康廣東省實(shí)驗(yàn)室創(chuàng)新創(chuàng)業(yè)團(tuán)隊(duì)計(jì)劃(2018GZR0301001)、澳門(mén)FDCT基金(0035/2020/A)、廣東省領(lǐng)軍人才引進(jìn)計(jì)劃(2016LJ06Y375)、馬克癌癥研究基金會(huì)和英國(guó)劍橋癌癥研究中心(C9685 / A25177)等項(xiàng)目的資助。
