MICS“新冠肺炎+AI”：协和医院与AI公司共同解读疫情

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，有没有可能进入疫情研究中去？

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，有的患者临床没有症状，CT图像也没有表现，核酸呈阴性。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。雷锋网

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。

（编辑：52刷机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!