人工智能辅助诊断系统在新型冠状病毒肺炎诊断中的初步应用

作者：邓灵波; 周雯; 赵双全; 向子云; 成官迅^*

来源：中国医学物理学杂志, 2021, 37(12): 1604-1608.

• 新型冠状病毒肺炎
• X线计算机体层摄影术
• 人工智能
• 辅助诊断

目的:评估人工智能(AI)辅助诊断系统对新型冠状病毒肺炎(NCIP)的诊断价值。方法:回顾性分析26例NCIP患者的临床资料与CT图像。利用AI系统新冠肺炎诊断模块自动识别肺炎病变的数量、测量病变体积、计算病变体积所占肺叶的百分比,得出病变的疑似新冠肺炎的概率。评估该AI系统识别病变数量的准确性和病变范围的准确性。结果:26例NCIP患者AI自动检测出215处病变,其中76.9%(20/26)的患者AI识别的病变数量高于医生评估的数量。23.1%(6/26)的患者病变体积小于10 cm~3,38.5%(10/26)的患者病变体积为10～100 cm~3,38.5%(10/26)的患者病变体积大于100 cm~3。57.7%(15/26)的患者病变体积百分比小于10%,23.1%(6/26)的患者体积百分比为10%～25%,15.4%(4/26)的患者体积百分比为25%～50%,3.8%(1/26)的患者体积百分比大于50%。34.6%(9/26)的患者NCIP的疑似概率大于50%,其中仅11.5%(3/26)的患者疑似概率为99%,65.4%(17/26)的患者疑似概率小于25%。61.5%(16/26)的患者肺部一些较小的病变未被AI识别,38.5%(10/26)的患者两个相邻病变识别为同一病变,42.3%(11/26)的患者肺部伪影被识别为病变,61.5%(16/26)的患者肺部正常结构被识别为病变,30.8%(8/26)的患者肺内的一些其他病灶被识别为NCIP病变,46.2%(12/26)的患者小病灶被识别为肺结节。88.5%(23/26)的患者部分病变边缘正常的肺组织被识别为病变;61.5%(16/26)的患者部分病变边缘未被识别为病变。结论:AI辅助诊断系统能迅速识别CT影像中的肺炎病变,并进行体积测量,给出NCIP的疑似概率,帮助医生快速识别高危人群,判断病情的严重程度以及疗效,节省时间和精力,达到精准防控的效果。

• 单位
  深圳市宝安区人民医院; 深圳市龙岗区人民医院; 北京大学深圳医院