世界卫生组织最新数据显示，截至10月19日，全球新冠肺炎确诊人数已超过九百万，累计死亡人数已过一百万。随着秋冬季节的来临，国内新冠肺炎的疫情是否会卷土重来成为人们关注的话题。

　　值得注意的是，秋冬季节也是其他呼吸道疾病的高发期，这让新冠肺炎的鉴别、诊断和治疗变得更加困难。近期，《自然》子刊《自然通讯》发布的论文显示，中国研究员已开发一种基于深度学习的人工智能系统，可用来快速地区分新冠肺炎和其他呼吸道疾病。

　　基于1万多份CT扫描数据构建

　　据了解，这篇论文题为《新型冠状病毒(COVID-19)人工智能诊断系统的开发与评估》（Development and evaluation of an artificial intelligence system for COVID-19 diagnosis），由清华大学自动化系和华中科技大学同济医学院附属协和医院两个科研团队共同完成。

　　论文指出，目前胸部成像技术可显示出肺部早期病变，可被广泛使用且经济适用。但是，胸部CT影像包含数百个切片影像，医生的诊断时间较长；另外，由于新冠肺炎与其他肺炎在症状上存在相似性，放射科医生要积累大量的经验才能实现高效诊断。一旦新冠肺炎和流感同时爆发，CT诊断工作量将远远超过现有放射科医生能够负荷的数量。

　　针对诊断困难的问题，研究人员提出一种基于深度学习的人工智能诊断系统。该系统可以直接输入CT影像数据，并从中提取和分割出肺部区域的数据。系统由五个关键部分组成：肺部分割网络、切片诊断网络、冠状病毒感染切片定位网络、解释深层网络的可视化模块，以及解释关注区域特征的图像表型分析模块。

　　据悉，这套人工智能系统的开发和评估数据来自武汉三所医院和四个公开数据库，包含了新型冠状病毒、流感A/B、非病毒性社区获得性肺炎（以下简称CAP）以及非肺炎受试者超过1万份的胸部CT数据。

　　实验中人工智能系统读片速度更快

　　在进一步的研究中，研究人员将人工智能系统和五名经验丰富的放射科医生进行对比。这五名医生的从业时间均在5年以上，每年大约要读取3000-5000位患者的CT影像数据。结果显示，放射科医生的平均阅读时间为6.5分钟，而人工智能系统的平均阅读时间为2.73秒，远高于人工速度。

　　需要注意的是，论文指出，人工智能系统在区分普通肺炎和非肺炎方面要比放射科医生差一些，但是在更具挑战性的识别和分类中，人工智能系统的优势要更明显。

　　表格显示，在区分CAP和新冠肺炎时，人工智能系统的准确率为92%，而放射科医生的准确率为74%；在区分流感和新冠肺炎时，人工智能系统的准确率为88%，而放射科医生的准确率仅为54%，两者相差较大。

　　人工智能系统与放射科医生识别数据比较。*前述准确率数据主要依据表格中的“Any reader”类目得出。论文对“Any reader”的注释显示，在每一个病例的识别中，只要五位医生中有一位出现识别错误，则该案例就会被标记为人类识别错误。

　　“不同类型的肺炎具有高度的相似性，特别是在早期（相似性更明显）；而且同一类型肺炎的不同阶段差异较大，CT筛查很难将新冠肺炎与其他肺炎进行鉴别，”论文作者、清华大学自动化系副教授冯建江在接受媒体采访时说，“因此，开发针对新冠肺炎的人工智能诊断算法是非常必要的。”

　　另外，冯建江表示人工智能诊断算法具有高重复性和易于大规模布置的优点，有潜力成为控制新冠肺炎传播的新工具，目前武汉部分医院已经用上相关的人工智能应用。

　　人工智能在新冠肺炎治疗中的应用

　　人工智能领域现已在应对新冠肺炎疫情上多处发力。据新华社报道，英国牛津大学领衔的一个科研团队正开发和测试一种人工智能算法，可辅助医生诊断和管理新冠患者病情。

　　这套算法可以帮助医生更快速地诊断病情，并且预判患者是否会出现病情恶化，比如哪些患者会出现呼吸困难、哪些患者会发展出长期性的肺功能问题。针对预判医护人员可以对患者进行更细致的医学观察，用有限的资源更高效的帮助有需要的患者。

　　另外，西班牙研究机构也开发出类似的人工智能模型。该模型可以预测新冠肺炎患者是否会出现严重的呼吸衰竭并需要进入重症监护室（ICU）接受治疗，并通过模型的预判对医疗资源进行分配。