韩国科学技术院(KAIST)25日表示,生物及脑工程系教授叶宗哲研究团队开发出一项人工智能(AI)技术,通过胸部普通放射线摄影影像显著提高了新型冠状病毒感染症(新冠肺炎)诊断的准确性。
使用叶教授研究团队开发的人工智能技术诊断是否感染新冠肺炎,结果准确率超过86%,比影像判读专家的69%提高了17%。
若将该技术引入全球大流行的新冠肺炎分诊(Triage)体系,不仅可实现随时快速诊断,还有望大幅提升有限医疗资源的使用效率。
博士生吴有真与朴相俊作为共同第一作者参与,该研究成果发表于国际学术期刊《IEEE transactions on medical imaging》“基于影像的新冠肺炎诊断人工智能技术”特刊5月8日网络版。
目前全球确诊人数已超过500万,新冠肺炎诊断检测通常使用逆转录聚合酶链反应(RT-PCR·Reverse Transcription Polymerase Chain Reaction)设备。RT-PCR检测的准确率据称超过90%,但出结果耗时较长,且对所有患者实施成本高昂。
利用计算机断层扫描(CT)的检查也显示出较高准确性,但与一般X线普通摄影检查相比耗时较多,且因设备可能被病毒污染,难以用于分诊。
胸部普通放射线摄影(CXR)在多种肺部疾病中被用作标准筛查手段,但对新冠肺炎的准确性明显低于RT-PCR和CT检查。不过,随着近期大流行导致各国确诊人数激增,要求通过提高准确性来利用成本低、检查方法简便的CXR检查的呼声日益增加。
此前已有多项研究报告应用深度学习(Deep Learning)方法通过CXR影像诊断新冠肺炎,但要提高诊断准确性必须确保大量数据,而在当前这样的紧急状况下,极难收集到一致且经过精细整理的大量数据。
叶教授研究团队通过自主开发的预处理(Preprocessing)和局部补丁方式(Local Patch-based Approach)解决了这一问题。先以一致的预处理过程对少量数据集中可能出现的影像间异质性(Heterogeneity)进行归一化,再以局部补丁方式从一张影像中获得多种补丁影像,从而确保图像的多样性。
此外,团队利用发挥局部补丁方式优势的新人工智能技术“概率性特征图可视化(Probabilistic Saliency Map Visualization)”方式,制作出在CXR影像中以高画质突出对新冠肺炎诊断重要部位的特征图,并确认该图与诊断影像学特征相一致。
叶宗哲教授表示:“若将人工智能算法技术用于患者分诊,就能随时快速诊断是否感染新冠肺炎,并通过排除可能性较低的患者,使有限的医疗资源更高效地分配给优先级更高的对象。”
/大田=朴熙润记者 hypark@sedaily.com






