自2019年12月以來，新型冠狀病毒肺炎（COVID-19）疫情席卷全球，根據(jù)世界衛(wèi)生組織WHO的統(tǒng)計(jì)數(shù)據(jù)，已經(jīng)造成超過2500萬人確診，死亡人數(shù)超過80萬人[1]，疫情的快速傳播為世界公共衛(wèi)生系統(tǒng)帶來巨大挑戰(zhàn)。短時(shí)間內(nèi)大量病人涌入急診和發(fā)熱門診等待診斷和治療，醫(yī)療機(jī)構(gòu)負(fù)荷驟然提升。作為COVID-19診斷的重要方法[2]，CT影像和實(shí)時(shí)熒光PT-PCR核酸檢測能力在疫情早期嚴(yán)重不足。由于缺乏對患者病情走勢的判斷，對COVID-19急性并發(fā)癥也難以提前準(zhǔn)備和干預(yù) 。
??人工智能（Artificial Intelligence，AI）技術(shù)以其獨(dú)特優(yōu)勢可以幫助應(yīng)對這些挑戰(zhàn)。AI技術(shù)基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）、機(jī)器學(xué)習(xí)（Machine Learning，ML）和深度學(xué)習(xí)（Deep Learning，DL）等技術(shù)，通過對海量數(shù)據(jù)的訓(xùn)練和學(xué)習(xí)，使算法模型具有良好的決策判斷能力、適應(yīng)能力和自我完善的能力[3]。在疫情診斷和治療過程中，AI技術(shù)可以高效輔助醫(yī)療機(jī)構(gòu)和醫(yī)護(hù)人員，在緩解醫(yī)生資源緊張、減少人為失誤、提升診斷質(zhì)量、預(yù)測病情趨勢等方面發(fā)揮重要作用。COVID-19疫情激發(fā)各國研究人員進(jìn)行多項(xiàng)研究，目的是讓現(xiàn)有診療方法在AI技術(shù)的幫助下發(fā)揮出更大作用。
??一、利用胸部CT的AI診斷
??胸部高分辨率CT（High resolution CT，HRCT）為當(dāng)前篩查COVID-19的首選影像學(xué)方法[4、5]，患者早期多發(fā)小斑片影，晚期多發(fā)雙肺磨玻璃影和浸潤影[2]。用AI技術(shù)建立模型訓(xùn)練學(xué)習(xí)這些影像特征并輔助醫(yī)生進(jìn)行閱片，將極大提高閱片效率，緩解醫(yī)生閱片經(jīng)驗(yàn)不足和能力水平差異帶來的閱片質(zhì)量問題。為應(yīng)對新冠病毒疫情，目前國家藥監(jiān)局醫(yī)療器械技術(shù)審評中心已經(jīng)制定了《肺炎CT影像輔助分診與評估軟件審評要點(diǎn)（試行）》，指導(dǎo)相關(guān)產(chǎn)品注冊申報(bào)。
??Wang等[6]?設(shè)計(jì)了一個基于CT影像的COVID-19 AI診斷算法。研究人員收集了325例COVID-19確診患者的CT影像和740例先前被診斷為典型性肺炎的CT影像，使用CNN技術(shù)訓(xùn)練學(xué)習(xí)這些影像的特征，特別是學(xué)習(xí)區(qū)分新冠肺炎和普通肺炎的影像區(qū)別，采用內(nèi)部測試數(shù)據(jù)集驗(yàn)證算法性能，曲線下面積（Area Under Curve，AUC）達(dá)到0.93，特異性為0.88，靈敏性為0.87，單個病例的診斷時(shí)間為10秒。Gozes等[7]使用基于CNN技術(shù)且擅長可視化分析的Grad-Cam模型[8]用于病灶的定位分析，將不同分辨率的CT平掃圖像融合為3D圖像后計(jì)算被COVID-19侵入的肺部體積，提出冠狀病毒評分（Corona Score）用于評估病毒在肺部的傳播程度，為放射科醫(yī)生提供有價(jià)值的建議。經(jīng)過270例含有COVID-19確診患者圖像的數(shù)據(jù)集驗(yàn)證，其AUC達(dá)到0.948，敏感性為94%，特異性為98%。
??二、利用常規(guī)臨床指征的AI診斷
??疫情傳播初期，由于COVID-19癥狀與流行性感冒以及普通肺炎等其他呼吸系統(tǒng)疾病癥狀類似，需要排查的疑似病例數(shù)量激增，而醫(yī)療機(jī)構(gòu)特別是欠發(fā)達(dá)地區(qū)和基層的醫(yī)療機(jī)構(gòu)，其CT造影和核酸檢測能力短期無法滿足大量等待排查的病患，供需矛盾加劇了有限醫(yī)療資源的透支程度。通過大數(shù)據(jù)分析和人工智能算法，研究病例的常規(guī)臨床身體指征及病情變化，并用于輔助診斷新冠患者，對于新型傳染病發(fā)病早期的患者分類分級，提高醫(yī)療資源利用效率具有一定意義。
??Feng等[9]研究了疫情初期醫(yī)院發(fā)熱門診收治的132例具有流行病學(xué)意義的COVID-19接觸史病例，將體溫、心率、血常規(guī)、咳嗽、肌肉疼痛等門診記錄列入采樣特征，采用機(jī)器學(xué)習(xí)算法Lasso遞歸，根據(jù)“新型冠狀病毒診療方案（第六版）”中疑似病例的定義，建立了無CT檢查下的疑似病例早期診斷輔助模型。該模型在性能驗(yàn)證中得到AUC為 0.93，敏感性為1，特異性為0.77。為研究核酸檢測資源有限條件下輔助醫(yī)療機(jī)構(gòu)進(jìn)行COVID-19疑似病例的診斷，Batista[10]等建立了一種利用常規(guī)急診檢查指標(biāo)設(shè)計(jì)的COVID-19陽性預(yù)測模型，研究人員收集了巴西圣保羅一家醫(yī)院235例急診就診病例（其中70%病例用于算法訓(xùn)練，30%病例用于算法驗(yàn)證），全部接受血常規(guī)檢查和PT-PCR核酸檢測，其中102例核酸檢測確診為陽性。研究人員選取除PT-PCR核酸檢測以外的年齡、性別、血紅細(xì)胞數(shù)量、紅細(xì)胞平均血紅細(xì)胞濃度、C反應(yīng)蛋白等17項(xiàng)特征，分別采用5種機(jī)器學(xué)習(xí)算法訓(xùn)練模型，驗(yàn)證性能最佳的算法是隨機(jī)樹（Random Tree）和支持向量機(jī)（Support Vector Machine），兩種算法的AUC均能達(dá)到0.85。
??三、對患者并發(fā)癥的AI預(yù)測
??回顧性分析COVID-19患者入院時(shí)的臨床特征，顯示重癥患者易出現(xiàn)急性呼吸綜合征（ARDS）、心肌損傷、凝血障礙、腎損傷和休克等并發(fā)癥[11]，通過分析致病因素、患者身體指征、病情發(fā)展時(shí)間等數(shù)據(jù)，利用深度學(xué)習(xí)等AI技術(shù)，提前獲取病情發(fā)展趨勢并預(yù)測可能出現(xiàn)的并發(fā)癥，對于病人危重程度預(yù)判、醫(yī)療資源調(diào)配、診療方案早期介入、以至于降低COVID-19患病死亡率等方面具有重要意義。
??Jiang等[12]收集了53例COVID-19咽拭子核酸檢測陽性確診病例數(shù)據(jù)，設(shè)計(jì)了一個預(yù)測COVID-19患者患ARDS的模型。該研究利用機(jī)器學(xué)習(xí)中的特征工程（Feature Engineering）步驟進(jìn)行數(shù)據(jù)預(yù)處理，選取出對預(yù)測ARDS最小規(guī)模和最大貢獻(xiàn)值的數(shù)據(jù)特征集。在數(shù)據(jù)預(yù)處理過程中采用過濾法（Filter）確定出含有谷丙轉(zhuǎn)氨酶、淋巴細(xì)胞數(shù)量、肌酐、性別、年齡等11項(xiàng)生化指標(biāo)的特征集并用于模型訓(xùn)練。該模型的預(yù)測準(zhǔn)確性達(dá)到80%。相比之下，肺部CT、發(fā)燒癥狀、淋巴細(xì)胞減少癥等都無法預(yù)測ARDS的發(fā)生[13]。COVID-19另外一個危險(xiǎn)的并發(fā)癥是急性腎衰竭（Acute Kidney Injury，AKI），Chan等[14]研究了紐約市5家醫(yī)院的3235例被確診為COVID-19的住院患者，46%的患者出現(xiàn)了AKI癥狀，而其中的20%需要接受透析治療。該研究通過改進(jìn)的決策樹機(jī)器學(xué)習(xí)算法，制定出一個模型來推斷哪些COVID-19患者將需要進(jìn)行透析治療。該工具的AUC性能達(dá)到了0.79。該項(xiàng)研究通過Python的機(jī)器學(xué)習(xí)模型解釋工具SHAP（SHapley Additive exPlanation）分析模型各特征值的重要性，得出肌酐、年齡、血鉀以及心率對模型結(jié)果的影響程度要大于白細(xì)胞數(shù)量和淋巴細(xì)胞數(shù)量等其他特征。
??四、小結(jié)
??在應(yīng)對COVID-19對診療工作帶來的巨大挑戰(zhàn)過程中，世界多個國家研究人員紛紛利用人工智能技術(shù)開展了多個角度的研究并取得了豐碩的成果，為解決突發(fā)重大疫情下的醫(yī)療資源緊張、提升醫(yī)療質(zhì)量和降低患病死亡率等問題帶來了新的機(jī)遇。隨著病例樣本數(shù)據(jù)量的擴(kuò)大和更多研究力量的參與，AI將在COVID-19診療過程中發(fā)揮更大作用。
參考文獻(xiàn)：
[1] World Health Organization. Coronavirus disease (COVID-19) Weekly Epidemiological Update and Weekly Operational Update,[EB/OL].(2020-8-30)[2020-09-04].https://www.who.int/emergencies/diseases/novel-coronavirus-2019/situation-reports.
[2] 國家衛(wèi)生健康委員會.《新型冠狀病毒肺炎診療方案(試行第七版)》[J].實(shí)用中醫(yī)內(nèi)科雜志,2020,34(3):3.
[3] Winston, PatrickHenry. Artificial intelligence / 3rd ed[M]. Addison-Wesley Publishing Company,1993.
[4] 李宏軍.新型冠狀病毒肺炎影像學(xué)輔助診斷指南[J].中國醫(yī)學(xué)影像技術(shù),2020,36(03):321-331.
[5] Ye Z, Zhang Y, Wang Y, et al. Chest CT manifestations of new coronavirus disease 2019 (COVID-19): a pictorial review[J]. European Radiology, 2020: 1-9.
[6] Wang S, Kang B, Ma J, et al. A deep learning algorithm using CT images to screen for Corona Virus Disease (COVID-19)[J]. medRxiv, 2020.
[7] Gozes O , Frid-Adar M , Sagie N , et al. Coronavirus Detection and Analysis on Chest CT with Deep Learning[J]. arXiv, 2020.
[8] Selvaraju R R , Cogswell M , Das A , et al. Grad-CAM: Visual Explanations from Deep Networks via Gradient-Based Localization[J]. International Journal of Computer Vision, 2019, 128(8).
[9] Feng C, Huang Z, Wang L, et al. A Novel Triage Tool of Artificial Intelligence Assisted Diagnosis Aid System for Suspected COVID-19 pneumonia In Fever Clinics[J]. medRxiv, 2020.
[10] Batista A F M, Miraglia J L, Donato T H R, et al. COVID-19 diagnosis prediction in emergency care patients: a machine learning approach[J]. medRxiv, 2020.
[11] 熊維,王海蓉,吳曉燕,等.新型冠狀病毒肺炎患者入院時(shí)臨床特征及致死亡危險(xiǎn)因素分析[J/OL].武漢大學(xué)學(xué)報(bào)(醫(yī)學(xué)版):1-4(2020-08-27)[2020-09-04].https://doi.org/10.14188/j.1671-8852.2020.0537.
[12] Jiang X, Coffee M, Bari A, et al. Towards an artificial intelligence framework for data-driven prediction of coronavirus clinical severity[J]. CMC: Computers, Materials & Continua, 2020, 63: 537-541.
[13] Wang D, Hu B, Hu C, et al. Clinical characteristics of 138 hospitalized patients with 2019 novel coronavirus–infected pneumonia in Wuhan, China[J]. Jama, 2020, 323(11): 1061-1069.
[14] Gameiro J, Fonseca J A, Oliveira J, et al. Acute kidney injury in hospitalized patients with COVID-19[J]. medRxiv, 2020.