科亚医疗在世界顶级期刊首个发表基于AI的新冠诊断准确性评估论文
2020-03-20 12:04来源:中国健康新闻网作者:烟雨 阅读量:
北京时间3月20日,科亚医疗的原创性研究成果:《Using Artificial Intelligence to Detect COVID-19 and Community Acquired Pneumonia based on Pulmonary CT: Evaluation of the Diagnostic Accuracy(基于肺CT的人工智能检测COVID-19和社区获得性肺炎:诊断准确性评估)》,作为“可以有效区分一般肺炎与新冠肺炎”的人工智能检测评估创新型技术,以其现实应用意义和研究前瞻性的价值。全球首个被国际顶级放射学期刊《Radiology》收录并发表。
《Radiology(放射学)》杂志被公认为是放射学领域最新、与临床相关切质量最高的权威杂志。
研究成果——基于人工智能有效区分一般肺炎和新冠肺炎的诊断准确性评估报告
肺部CT异常是新冠肺炎最典型的影像学表现,部分患者肺部影像改变早于临床症状,因此CT是当前筛查与诊断新冠肺炎的主要手段。科亚医疗本次研究旨在开发一个全自动的人工智能算法框架,助力CT影像检查,自动将新冠肺炎患者从其他患者中鉴别出来,帮助一线医生实现更高效、准确的新冠肺炎患者筛查,提升影像科医生的阅片速度以及新冠肺炎的诊断效率。
在这项回顾性的多中心研究中,科亚医疗采用前沿的深度学习技术,创新性地开发了针对新冠肺炎COVID-19的3D检测神经网络 --- COVNet(如图1所示),从肺部CT中提取各类影像特征用于鉴别新冠肺炎。为开发和验证该模型的准确性和稳健性,此次研究在六家医院收集了从2016年8月至2020年2月间共计3322名患者的4356例CT数据,其中包括新冠肺炎、社区获得性肺炎(非新冠)、以及其他非肺炎患者的CT检查数据。在独立测试集中验证表明,科亚医疗自主研发的COVNet对新冠肺炎的鉴别灵敏度和特异性分别高达89.76%和95.77%,ROC(受试者工作特征)曲线下面积AUC为0.96。同时验证了模型对社区获得性肺炎的鉴别准确性(灵敏度86.85%,特异性92.28%,AUC为0.95)。研究结果充分证明了COVNet可以准确地检测出新冠肺炎,并将其与社区获得性肺炎和其他肺部疾病区分开。
图1. 新冠肺炎检测神经网络COVNet框架图
(COVID-19:新冠肺炎;CAP:社区获得性肺炎;Non-Pneumonia:其他非肺炎)
为了提高模型的可解释性,科亚医疗的研究团队基于加权梯度类激活映射方法,来可视化导致深度学习模型COVNet做出决策的重要区域(由模型自动生成)。图2展示了新冠肺炎、社区获得性肺炎、及非肺炎病例CT的可疑区域热图。这些热图表明,COVNet最为关注异常区域,同时正确地忽略正常区域,以帮助算法框架识别出病灶区域并做出准确的疾病鉴别。
图2. COVNet做出决策的重要区域热图。a、b、c列分别展示了新冠肺炎、社区获得性肺炎、其他非肺炎数据的CT图(上)和可疑区域热图(下)
临床价值——极具现实意义的创新设计,通过AI增效实现新冠筛查流程优化
当前,新冠肺炎疫情肆虐全球,在防控过程中,第一步就是疑似病例的识别与诊断。而目前,核酸检测是确诊新冠肺炎的“金标准”,只有通过核酸检测阳性才能确诊。但对于早期普通型患者,核酸检测敏感度较低,临床上可能需要多次检查确认,检测耗时较长,常出现CT表现早于核酸检测阳性的情况。作为一种非侵入性成像方法,CT影像可呈现出与新冠肺炎相关的肺部病变特征(如磨玻璃影、实变、双侧受累、周围和弥漫性分布等)。然而CT在新冠肺炎和其他类型的肺炎之间的病灶影像征上有一定程度的重叠,增加了影像科医生的区分判定难度和诊断时间。
科亚医疗研究团队此次运用AI深度学习技术,创新性地开发并设计出的COVNet就很好的解决了上述问题,COVNet具有强大的CT影像特征提取能力,对新冠肺炎、社区获得性肺炎的鉴别准确性高。可以从肺部CT中提取各类影像特征,自动将新冠肺炎患者从其他患者中鉴别出来。在提高图像展示质量的同时,帮助临床医生及早确诊感染患者,大幅提升一线医生诊断效率,优化新冠肺炎筛查流程,实现高效精准筛查、降低医生工作强度,合理分配医疗资源的作用。
科亚医疗——注重技术应用 成果展现价值
据悉,科亚医疗是国内首个人工智能三类医疗器械注册证获证企业,并以满足真实医疗需求为导向,一直专注于大数据和人工智能技术在医疗领域的落地应用,其获证产品“深脉分数”更是获得了国家药监局“具有重大的经济效益和社会价值“的定调评价。
此次科亚医疗正是凭借其科研团队在人工智能及医学影像领域的长期积累和技术优势,在疫情期间配合国家号召,火速研发了“新冠肺炎智能辅助诊断系统”驰援前线的影像科室,捐赠到湖北、广东、四川、山东等地区多家医院使用。近日,随着新冠肺炎疫情全球蔓延,科亚团队正在同欧美数十家医院、影像中心等展开密切合作,推进产品本地化与快速落地,展现了中国人工智能技术应用开发的速度与实力。

相关文章
职场女性怀孕该不该离职?准妈妈该如何平衡家庭和事业?
最近,著名网络红人papi酱在更新的视频中官宣自己怀孕了,令粉丝们激动不已。视频中,papi酱提到的职场女性不敢怀孕的现象,惹来了不少网友的议论: 有人认为,女性怀孕...
2019年12月16日
秋季重养肺:为何代谢科医生要劝糖友少吃生姜?给你几个原因
得了糖尿病,全身的血管就泡在了糖水中,就像腌肉一样,高糖把血管壁细胞的水分吸出来,让血管僵硬变脆。高血糖促使脂肪分解加速,导致高血脂,让血管以每年3%-4%的速度...
2019年12月14日
实至名归!福斯多蝉联“2018-2019年度家庭常备药上榜品牌”
12月 5 日,由家庭医生在线、医药经济报和新生代市场检测机构携手主办的 2018-2019 年度家庭常备药品评选活动榜单公示大会暨颁奖典礼在重庆举行。 本次活动历时 4 个月,最终...
2019年12月14日
常吃中药调理的人,这6禁忌最好注意一下
中药是起源于我国的一个传统的治疗方法,现在很多人都会使用中药来调理、治疗身体。在喝中药的时候,其实是存在很多禁忌事情的,接下来就一起了解下吧。 喝中药的禁忌...
2019年11月16日
中医:判断肺部好不好,四看就知道,不妨了解
最近有个30多岁的小伙子去看门诊,小伙子年纪轻轻,但是看上去脸色苍白、嘴唇发紫,而且稍微一活动就出现呼吸困难的情况。当他伸出手时,每根手指都粗得像一个鼓槌,医...
2019年11月16日

热门文章
-
1.实至名归!福斯多蝉联“2018-2019年度家庭常备药上榜品
- 1
- 实至名归!福斯多蝉联“2018-2019年度家庭常备药上榜品
- 2019年12月14日
- 1
-
2.香港将举行系列活动庆祝中华人民共和国成立70周年
- 2
- 香港将举行系列活动庆祝中华人民共和国成立70周年
- 2019年09月24日
- 2
-
3.追光四秩,百城聚首!“爱克杯”中国城市照明摄影大
- 3
- 追光四秩,百城聚首!“爱克杯”中国城市照明摄影大
- 2019年09月20日
- 3
-
4.王岐山会见马尔代夫外长沙希德
- 5
- 王岐山会见马尔代夫外长沙希德
- 2019年09月20日
- 5
-
5.金世尊抖音挑战赛,这个中秋一起敬个礼,“蟹蟹”你
- 5
- 金世尊抖音挑战赛,这个中秋一起敬个礼,“蟹蟹”你
- 2019年08月28日
- 5
-
6.曼卡龙珠宝“七夕寻找萤火”定向赛嗨动全城
- 6
- 曼卡龙珠宝“七夕寻找萤火”定向赛嗨动全城
- 2019年08月02日
- 6
-
7.曼卡龙珠宝“寻找萤火”定向赛玩转七夕
- 7
- 曼卡龙珠宝“寻找萤火”定向赛玩转七夕
- 2019年08月02日
- 7
-
8.足球与海:福建霞浦“长风少年”背后
- 8
- 足球与海:福建霞浦“长风少年”背后
- 2019年07月30日
- 8
-
9.满含感情待群众——尼都塔生及其家族永跟党走故事之
- 9
- 满含感情待群众——尼都塔生及其家族永跟党走故事之
- 2019年07月25日
- 9
-
10.高考过后的十年里,拜托你不要屈服成这个样子
- 10
- 高考过后的十年里,拜托你不要屈服成这个样子
- 2019年07月24日
- 10

热门图文
-
职场女性怀孕该不该离职?准妈妈该如何平衡家庭和事
2019年12月16日
-
秋季重养肺:为何代谢科医生要劝糖友少吃生姜?给你
2019年12月14日
-
实至名归!福斯多蝉联“2018-2019年度家庭常备药上榜品
2019年12月14日
-
常吃中药调理的人,这6禁忌最好注意一下
2019年11月16日
-
中医:判断肺部好不好,四看就知道,不妨了解
2019年11月16日
-
提醒:脚底按摩好处虽多,但这4点禁忌最好别碰
2019年11月16日
-
荨麻疹反反复复,是什么原因?荨麻疹用药要注意!
2019年11月16日
-
牛皮癣为什么冬重夏轻?四个因素影响病发
2019年11月16日

图文推荐
-
职场女性怀孕该不该离职?准妈妈该如何平衡家庭和事
2019年12月16日
-
教大家几个简单的瘦腰动作
2019年11月16日
-
幸福感来源于哪里?小心4种情绪魔鬼,剥夺了你的幸福
2019年11月16日
-
得了糖尿病该怎么办?先挂个内分泌科看看
2019年11月16日
-
引起高血糖的3个原因,糖尿病患者更需要注意!
2019年11月15日
-
妊娠糖尿病:“甜蜜”的孕期,当心高血糖危机
2019年11月15日
-
梦遗频繁是病吗?频繁梦遗,这些原因要知道
2019年11月15日
-
女性胸部胀痛,不同时期有不同的原因!
2019年11月15日