MICS最新“新冠肺炎+AI”讲座：武汉协和放射科副主任与5家AI公司解读疫情最新进展

AI能够在CT诊断新冠肺炎中做什么？沈定刚教授明确提出了三点：定量分析、前后片对比以及向医生推荐诊断优先级。

 作者 | 刘海涛 

新冠肆虐，疫情严峻。疫情面前，国内很多医疗AI公司站了出来，与放射科医生一起，开发出了针对新冠肺炎的AI产品，与医生一起携手前行。

2月18日，春节后的第一期在线学术报告，医学图像计算青年研讨会（MICS）邀请了武汉协和医院史河水主任、长征医院刘士远主任、UNC沈定刚教授以及联影智能、柏视医疗、深睿医疗、推想科技、依图医疗5家推出新冠肺炎AI产品的企业代表，共同讨论了基于CT影像诊断新冠肺炎的进展，以及AI在辅助医生诊断新冠肺炎中发挥的作用。

医学图像计算青年研讨会（Medical Imaging Computing Seminar，MICS）创立于2014年，由医学影像领域的顶尖学者沈定刚教授发起，聚焦于最近医学图像计算领域的原创研究，欢迎医学图像处理、计算机视觉、人工智能等新理论、新方法、新应用的展示，以及影像与临床医学、基础医学深度交叉的突破性进展报告。

作为本次MICS讲座的战略合作媒体，雷锋网AI掘金志也第一时间整理了本次讲座的精编内容。

1

讲座的第一位演讲嘉宾是武汉协和医院放射科的史河水主任。作为核心疫区的影像工作者，史主任利用半个多小时的时间，分享了自己关于肺炎疫情的最新医学观察。

史河水主任首先科普了新冠病毒致病原因：即冠状病毒的S蛋白与人体组织ACE2受体结合后进行增殖，而ACE2受体主要存在于人体Ⅱ型肺泡上皮细胞，所以病变主要位于肺部。

结合SARS的肺部病例表现和目前文献报道的3例新冠肺炎的肺部病理学特征，关联目前新冠肺炎的影像学表现，有助于我们更好地了解新冠肺炎影像学特征的病理学基础。新冠肺炎的以CT检查为主，尤其是HRCT对病变的显示较好。以双肺多发GGO为主，少数呈实性结节或合并部分实变，病变主要位于胸膜下或沿支气管血管束分布，病变内血管轻度扩张、网格状影（铺路石征）、空气支气管征并支气管轻度扩张，邻近胸膜轻度增厚；罕见淋巴结增大，很少合并胸腔积液，即使有也是少量积液。

针对新冠肺炎的临床分型包括轻型、普通型、重型和危重型，还没有对病例进行临床分期。新冠肺炎的影像学表现与临床密切相关，目前的影像学分期（早期、进展期、重症期和恢复期）或分型还需要通过较大样本进一步的总结归纳，加强循证依据。

当然，作为一名放射科医生，史主任也对AI在新冠肺炎防治中起到的作用表示肯定。

首先，目前病人检查量比较大，影像变化复杂，放射科医生负担重，AI的定量分析功能可以快速提供肺内病变变化相关信息，较客观地为临床提供病变进展还是好转的判断依据，指导治疗并预后。

其次，目前新冠肺炎处于爆发期，对医生来说比较容易诊断，爆发期过后，鉴别散发新冠肺炎与其他病毒性肺炎、细菌性肺炎、支原体肺炎，以及非感染性肺部病变，对放射科医师来说也是一种挑战，AI如能在肺炎的鉴别诊断方面发挥自己的价值，帮助医生做出准确的判断；也能极大地提高诊断效率。

最后，在影像分期与预后评价上，文献报道SARS患者肺内病变经过有效的治疗可以基本吸收，目前大多数新冠肺炎患者已出院，短期疗效较好，AI可以综合一系列的临床与影像数据对患者的预后进行评估。

2

第二位演讲嘉宾是联影智能美国分公司计算机视觉方向负责人吴子彦博士，他分别介绍了联影智能两款针对新冠肺炎的防治产品：天眼CT平台和uVision。

吴子彦博士表示：“天眼智能CT平台可以通过无人操作避免医护工作者被感染，利用安装在CT扫描间顶部的摄像头获取图像，再通过人工智能算法分析患者当前体位定位出扫描区域，之后对患者进行自动移床，在最后扫描范围确认阶段，技师也可以通过用户界面对平台计算的扫描范围确认，整个过程无人化，医生不需要进入扫描间。“

而uVision是一种智能边缘计算平台，目前可以跟联影的所有医疗影像模态集成，提供自动摆位、运动监测、体态建模、态势感知和病人信息确认功能；实现对解剖学关键点检测、姿态分类、3D体态建模、可以即插即用。

目前，这两款平台已在武汉火神山医院和上海多家医院完成部署并投入运行。

3

第三位演讲嘉宾是联影智能研发副总裁高耀宗博士，他详细介绍了联影智能新冠肺炎辅助分析产品。

在演讲中，高博士表示，联影智能新冠肺炎辅助分析产品有一系列亮点功能：影像快速筛查，找到疑似肺炎者提醒医生优先阅片；对新冠肺炎感染区域自动勾画，显示全肺感染比例和体积；对感染区域提供HU直方图，分析磨玻璃成分和实性占比；对于同一个病人全肺和肺叶、肺段，体积和密度提供随访评估。

他表示：“在对600例新冠阳性图像和600例阴性数据的验证下，联影智能分割算法的敏感性和特异性都可以达到96%。对100例新冠肺炎确诊患者图像的自动勾画与手动勾画对比，重合率达到87%，感染区域的体积误差小于1%。”

值得一提的是，联影智能的新冠肺炎辅助分析产品也已经在火神山医院和联影设备搭配使用，并且，还通过联影医疗影像云，部署到了武汉多家医院。

4

随后，柏视医疗董事长陆遥介绍了基于小样本数据开发的新冠肺炎AI产品。

陆遥表示：“目前新冠肺炎训练数据量比较小，只能基于小样本机器学习算法研发辅助诊断AI产品。为此，柏视医疗提供了针对新冠肺炎的轻量级辅助阅片工具，对病灶进行定量分析和随访。”

其中，柏视医疗针对临床医生需求提供的量化分析工具可以对肺密度和肺体积进行分析，可以对体积占比、CT值、病灶位置进行分析。

最后陆遥提出，柏视医疗的新冠肺炎AI产品可以对随访历史影像对比，检查每个病灶配准前后变化。另外，三维重建支持平扫和增强多种协议图像重建。

5

第五位分享者是深睿医疗研究员张树，他介绍了深睿Dr.Wise肺部疾病智能解决方案。

他表示：“目前，放射科医生的临床工作量非常大，而新冠肺炎征象表现非常不明显，为诊疗带来难度。

为此，深睿提供三个解决方案：小睿医助，帮助在家进行自诊自查和科普防护宣传；新冠肺炎辅助诊断系统，对新冠肺炎病变提供分析和追踪随访；智能影像云平台，赋能基层远程阅片。

张树说到，深睿在1月31号推出第一版新冠肺炎产品之后，就对武汉的医院捐助了本地版，目前产品已经在全国10多家医院使用，而云端产品也已在多家医院完成部署。

最后，张树表示：“深睿在整个2019年科研有很多投入，在CV和人工智能领域发表了60多篇文章。”

6

第六位分享者是推想科技科研产品负责人武江芬

今年1月31日，推想科技宣布推出针对新冠肺炎筛查产品。武江芬表示：“武汉封城晚上，推想就启动了肺炎研发工作。新冠肺炎AI系统1月29号就在武汉同济医院上线，提供包括预警、诊断、评估和监控4个功能，会自动检测新冠肺炎数据，第一时间提示隔离，从而降低交叉感染风险，避免造成整个医院都被隔离的情况。”

武江芬还表示：“目前，推想新冠肺炎AI系统正在不同省份做项目申请，最近也刚刚中标新冠肺炎相关课题，中华放射学杂志的首篇人工智能新冠肺炎相关文章，就使用了我们的这套系统。”

她在演讲中还透露，推想新冠肺炎AI系统已在全国上线10多家医院，其中武汉同济医院、中南医院、火神山医院等医院，目前已经诊断上万例新冠肺炎数据。

7

第七位分享者是依图医疗副总裁石磊，放射科医生出身的他，总结了目前新冠肺炎的影像特点以及依图医疗应对疫情开发的AI产品。

石磊表示：“新冠肺炎具有早期症状隐匿、传染性强，部分患者进展快等特点。目前缺乏特异临床表现和实验室检查手段，单单基于影像无法解决今天新冠肺炎早期诊断问题。”

但是他还说到：“依图医疗新冠AI除了影像发现之外，还做了定量评价，对肉眼可以看到的病变区域进行边缘勾勒定量统计。虽然定量分析是好方法，但是从医学的角度来看，肺内有些病变边界是不清楚的，比如两肺弥漫性密度增高、磨玻璃密度增高，这些病变边界很难勾勒出来，依图同时关注全肺和肉眼可见的病灶区域。”

此外，石磊博士提出一个观点：如果不及时治疗，有一部分普通型患者可能会发展为重型，把这一部分患者定量地检测出来，是今天临床当中必须要考虑和突破的关键问题。基于影像和临床信息建立的深度学习模型，可以预测哪些患者出现重症的风险。

史河水主任和讲座六位演讲嘉宾分享之后，讲座进入到了提问和讨论环节。

上海长征医院影像医学与核医学科主任刘士远教授和UNC沈定刚教授共同出席，与前几位讲者一起，回答了听众最关心的几个问题。

Q：核酸检测假阴性比较多，CT是不是也有这样的问题？

刘士远主任表示：“目前，核酸检测受到采集技术、采集部位、试剂盒质量以及疾病不同阶段影响，假阴性的病人较多。而CT敏感性极高，只要肺内有病灶，CT检测基本都能够发现；所以在武汉只要CT符合新冠肺炎表现，将病人作为临床诊断病例隔离收治准确性很高，具有一定合理性！但由于异病同影现象，CT存在假阳性的几率，过度依赖CT有可能造成误伤。

"另外，核酸检测阳性，也就是确诊的病例也可能在CT上表现正常，这是疾病表现复杂性多样性造成的，这类病人不存在肺部炎症，可以称为新型冠状病毒感染患者，是否可作为CT的假阴性，有待商榷。”

他补充道，应该避免武汉的经验泛化，其他地方用CT确诊不一定适用，在湖北以外特异性就会低很多。CT作为重要的诊断依据，特异性越高，诊断价值越大，它和核酸检测是相互印证的关系，不要对立。

Q：在AI的帮助下，有没有可能帮助患者减少重复检查次数？

刘士远主任表示：“一定会，因为AI除了用于CT影像，还可以与临床数据、实验室数据、生化指标、核酸检测进行关联学习。比如CT诊断关联核酸检测和接触史就可以提升CT的准确性，检测的准确性可以通过AI进一步提升是有可能的。”

Q：通过AI的方式，可以发现早期新冠疑似病人吗？

高耀宗表示：“冠状肺炎早期病人，CT影像没有任何的病灶，光靠CT影像没办法发现，还要通过流行病学史、接触史和核酸检测来确诊。在CT影像上有表征的患者，用现有肺结节AI产品，也可以发现这些病灶，但是对于弥漫性病灶，之前的技术可能不够，研发新冠肺炎AI技术就很有必要。因此，对于CT上有征象的病人，我们认为通过AI技术，能尽量做到减少漏诊。”

Q：如果要检查新冠肺炎，DR和CT怎样选择？

刘士远主任表示：“从病灶检查的角度来说，CT肯定是首选，但是CT检查存在交叉感染的风险，特别是大多数医院的急诊CT室和普通病人交叉使用，这就需要做好消毒措施。而DR一般在发烧门诊里面就有，病人不用回来跑，可以避免交叉感染，只是DR无法显示早期病灶。“

他建议，没有明确确诊或者核酸检测阴性，需要用一次CT检查来确定。对于已经确诊，复查尽量选用DR。但是最后出院还是要通过CT检查，评估患者状态。

Q：推想在新冠系统落地过程中遇到过哪些问题？

武江芬表示：“从硬件角度遇到四个问题，第一、本地版部署遇到交通问题，交通管制对产品上线过程中从研发、运营、执行、产品等一系列人员交通造成阻碍；第二、医院防控，上线人员的医院防护；第三、配合度问题，疫情期间很多医生不在医院；第四，云平台产品面临的数据安全问题。”

最后她表示，推想遇到的困难，都是因为特殊的疫情而产生，技术层面所遇到的困难其实很少。

Q：现在新冠肺炎AI的成熟度是否能够应用于临床？

刘士远主任表示：“目前，AI只是处于初级阶段，还需要更多数据更新迭代。而且企业也没有明确提到使用多少例数据，因此敏感性和特异性还有待提高。就疾病本身而言，新冠病毒肺炎本身就存在异病同影现象，所以未来AI不单是用于诊断，还可以在疗效评估、分级分期等方面发挥作用。”

在刘主任看来，现阶段在检查室内，如果AI真的能够实现自动摆位、减少操作流程，避免一线技师接触传染性病人，可能更有前途。

Q：目前，AI辅助诊断系统的优势和不足？

石磊表示：“AI是计算机的行为，而医疗是人类的行为，医疗AI则是人文属性和技术属性相结合。从技术维度而言，AI对医疗带来帮助是毋庸置疑的，但是仅局限在技术层面。”

他还表示：“人眼难以精确分析CT图像2000个单位下的灰阶变化，对视觉不明显的病变，AI可以提供帮助，这方面AI要优于人类，但是否被医生采纳，还取决于医生对AI提供信息的判断和AI提供信息的维度。AI目前单纯从影像学突破人的上限和天花板其实是远远不够的，还需要结合更多临床体征变化给出结论，这就是为什么影像AI在目前阶段无法给出疾病的准确诊断的原因。”

Q：AI的直方图和定量分析，在临床上有什么意义？

石磊表示：“通过医疗侧知识的积累，我们最终可以建立一个将医学新理论不断融入疾病预测的深度学习模型，这样的模型能够进一步降低重症病人的患病风险，提高临床疗效。所以从技术维度来看，AI有很大优势，可以快速应用于已经被定义清楚、具备明确逻辑，可以通过顶层算法设计场景的问题。”

他还表示：“今天是用AI诊断或者阅片，本质上离不开医学的认识，所以医生和医工专家是AI能力的顶层设计师，离开这些的话，我觉得都无从说起，AI与人各有所长。”

Q：深度神经网络需要大量的数据，但是面对新冠肺炎的小数据集，还有什么算法可以利用？

陆遥回答：“从模型训练来说，每个公司拿到样本量比较小。对于新冠肺炎，应该从流行病学角度考虑，在武汉的模型和其他城市模型是完全不一样的，因为感染者本身就有一、二、三、四代区别。把临床数据和流行病学知识结合起来，可以更贴近临床，解决小样本的问题。”

Q：现在研究都是公司打头，学术界根本无从介入，现在学术界科研高校老师，有没有可能进入新冠肺炎相关的影像研究中去？

沈定刚教授表示：“新冠肺炎的应用研发方面，当前学术界确实要比工业界慢，但是后期的创新研究、大数据研究，学术界的贡献会马上体现出来。其实，新冠肺炎里面的很多问题可以用学术界的方法来解决。

比如，小数据问题，是在新冠肺炎分析系统开发初期面临的实际问题，因为那时的病人数不多。为了解决这个问题，联影智能使用了以前的CT肺数据，特别是肺炎数据，并且利用transfer learning训练模型、开发初期的AI系统。

其次，后期数据量增大以后，就需要解决快速标注数据问题。可以用少量标注的数据来训练模型，然后应用于没有标志过的数据，再作人工修改，继续训练新的模型。这样不断快速迭代模型，利用这种‘人在回路’的方法解决大数据标注问题。

最后，应用过程中有多中心问题；例如，训练的新冠肺炎模型是薄层数据，而有的医院临床诊断是使用厚层数据，如何快速把薄层模型训练成厚层模型就非常重要。这样的问题是很好的学术问题，学术界可以提供创新的解决方案。

最后沈定刚教授回答了直播中线上观众最关心的两个问题，AI在新冠肺炎不能做什么？能做什么？

一、AI不能做什么？

沈定刚教授回答：“AI诊断，特别是新冠肺炎AI系统，目前还完全达不到诊断效果，为什么？

首先，现在许多数据没法很好使用。例如，核酸阴性的患者在CT上可能有新冠肺炎征象，核酸阳性的患者在CT上又不一定是这样的征象。这种情况下数据的金标准就很难得到。

"其次，AI做早期诊断非常难，因为那时可能患者还没有临床症状，CT图像也没有病变。但是如果患者来过医院，有相应的CT历史图像，后来发现这样的患者真的确诊为新冠肺炎，这样的历史数据才有用。没有这样的数据，想实现早期诊断是很难的。"

最后，虽然CT诊断的热度很高，但CT不可以独自诊断，还需要跟更多临床、流行病学信息结合起来。AI把CT、核酸以及其他生物信息结合起来训练才能做早期诊断，否则是很难做好的。”

二、AI能做什么？

沈定刚教授回答了三点：

首先，AI现在能做的是低层的定量分析，例如病灶个数、病灶位置、病灶体积和与肺叶肺段的百分比等医生需要的直观信息。将来AI可以学习更复杂的特征，做更精准的测量。

其次，每个病人在医院做了很多次CT检查，AI可以做前后片的对比，以及病灶与肺段之间的百分比变化（但是目前能做到肺段分割的公司还很少）。如果要做更精准的比较，可以用AI开发纵向CT的配准，这样可以测量每个病灶的局部变化，用于更精细的预后估计。

最后，AI可以推荐医生分清优先级，从而优先诊断那些危险病例。

推荐阅读