人工智能在胸部CT上檢測COVID-19肺炎

2019年冠狀病毒病（COVID-19）已成為全球大流行病，其發病率呈指數增長且傳播過程尚未完全了解。該病毒是很少或根本沒有症狀窩藏最常見的，但也可能導致快速進展和常常是致命的肺炎的感染者2-8％。確切的死亡率，患病率和傳播動態仍然不確定，部分原因是SARS-CoV-2感染所帶來的獨特挑戰，例如在症狀發作時或症狀發作之前達到峰值傳染性，以及對多器官病理生理學的了解不多，且占主導地位肺部特徵和致死性。由於關鍵防護設備和合格供應商的短缺，迅速蔓延的速度使全世界的醫療系統感到緊張，這在一定程度上是由於對即時檢驗方法（包括逆轉錄聚合酶鏈反應（RT-PCR））的可訪問性的變化所致。作為快速RT-PCR測試變得更加可用，挑戰仍然存在，包括高假陰性率，在處理延遲，變率的測試技術，並且靈敏度有時報導低至60-70％。

X射線電腦斷層掃描(CT)是一個測試，提供了一個窗口到病理生理學，可以對疾病的檢測和進化的幾個階段。儘管快速診斷COVID-19仍面臨挑戰，但放射線前線醫生報告的感染模式有些特徵，典型特徵包括肺周緣玻璃液混濁，混濁，浸潤性血管增大以及後來的更多合併症…等嚴重疾病的跡象。儘管CT和RT-PCR通常是一致的，但CT也可以在RT-PCR測試陰性的患者中檢測早期的COVID-19，症狀發展或在患者無自覺症狀，或之前後症狀解除。CT評價一直是患者的初步評估一部分，在武漢中國和意大利北部的COVID-19案件中證實。最近的一項國際專家共識報告，支持對表現為中度至重度臨床特徵且具有較高的COVID-19治癒後復發可能性的COVID-19患者，如呼吸狀況惡化或在資源受限的環境中進行胸部CT檢查，以進行醫學分流。

由於新的和疑似COVID-19病例的數量迅速增加，因此人工智能（AI）方法可能在成像中檢測或表徵COVID-19的作用。CT為這一過程提供了清晰而迅速的窗口，對大型跨國CT數據的深入學習可以為COVID-19疾病的分類和定量提供自動化且可重複的生物標記。此前單一中心的研究表明AI檢測COVID-19感染的可行性，甚至分化從社區性感染肺炎。由於數據源的同質性，AI模型的實用性通常會受到嚴格限制，這反過來又限制了其對其他人群，人口統計學或地理區域的適用性。這項研究旨在開發和評估一種AI算法，該算法使用來自全球不同的各個機構在胸部CT上檢測COVID-19的數據。在這裡顯示了模型可以在獨立的測試人群中達到90％的準確性，在與非COVID-19相關的肺炎中保持高特異性，並向看不見的患者人群/中心展示出足夠的通用性。

初步研究表明胸部CT具有用於檢測COVID-19肺病理學和若干組的高靈敏度已證明為基於AI的診斷潛力，高達95％的檢測精度最高的報告。這些AI努力在新機構中的實施受到AI過度適應培訓人群的趨勢的阻礙，其中包括由於特定地區的CT的使用和時間的差異，從特定於機構的掃描儀到臨床人群的技術偏見。在1337名患者的測試人群中獲得了0.949 AUC(精確度)，從而在胸部CT上對COVID-19進行分類的準確度達到了90.8％。納入常規醫療CT掃描的患者以適應各種適應症，包括急性護理，創傷，腫瘤學和各種住院環境，旨在使該算法具有多種臨床表現。

單一中心指說一個區域性的樣本而不是多個區域的樣本。

撰寫人：王任權

原始論文：Artificial intelligence for the detection of COVID-19 pneumonia on chest CT using multinational datasets. Stephanie A. Harmon, Thomas H. Sanford, […]Baris Turkbey. Nature Communications volume 11, Article number: 4080 (2020). https://www.nature.com/articles/s41467-020-17971-2