中大团队研AI分析新冠患者CT影像 提高临床诊断效率

由香港中文大学工程学院计算机科学与工程学系窦琪教授与王平安教授，和医学院影像及介入放射学系苏宛彤医生与余俊豪教授所带领的跨学科研究团队，联合开发了一个人工智能（AI）系统，可快速及准确地自动检测胸部电脑断层扫瞄（Computed Tomography Scan，简称 CT）影像上的新冠肺炎感染病灶。

该研究采用新型联邦学习技术，通过香港多家医院的临床影像数据对AI模型进行训练，无需将数据集中在一处，藉以保护病人私隐。在新冠肺炎的临床诊断中，放射科医生可透过医学影像有效定量评估疾病的严重程度和观察病情进展及恢复情况。然而，激增的医学影像检查使放射科医生面临前所未有的挑战。因此，AI诊断系统对新冠病人的有效诊断和管理有很大的辅助作用。

而中大研究团队揉合工程和医学的跨学科优势，开发了新一代AI系统，可以准确迅速地从CT影像中自动检测新冠病毒的病变，从而为临床医生提供即时可靠的诊断结果。

中大研究团队建立的AI模型已在内地和德国多个数据中心进行了独立的外部验证。结果显示，该AI模型在香港本地及其他地区患者的CT影像上都具有优异的病变检测性能。这项最新研究亦展示了AI驱动的数字医疗技术在全球疾病爆发中的实用途径和潜在效能。该研究近期已发表在 Nature 旗下综合期刊 npj DigitalMedicine。

计算机科学与工程学系窦琪教授表示，团队利用内地和欧洲多个独立及不可见的外部数据集对训练后的AI系统进行验证，快速开发高效可靠的 AI 模型以建立大规模医疗数据集的可行性和巨大潜力，同时保护病人私隐。

中大医学院影像及介入放射学系助理教授苏宛彤医生则称，AI系统还具有明显的速度优势，一旦应用可大幅度提高临床诊断效率。中大医学院影像及介入放射学系系主任余俊豪教授补充指，是次研究表明了跨学科融合多地域合作是 AI 克服复杂真实场景解决实际临床需求的关键所在。