返回頂部
“天津第一批醫(yī)療隊出發(fā)馳援武漢……”看著手機里的新聞，天津醫(yī)科大學腫瘤醫(yī)院副院長徐波教授陷入了沉思，自己能為抗擊疫情做些什么？
作為中國抗癌協(xié)會腫瘤人工智能專業(yè)委員會主任委員，徐波一直致力于推動人工智能技術在腫瘤學領域的應用，他第一時間就想到了人工智能技術。
歷時20天，由中國抗癌協(xié)會腫瘤人工智能專業(yè)委員和國家超級計算天津中心組成的“CT影像綜合分析AI輔助系統(tǒng)”項目團隊研發(fā)出可較為準確區(qū)別普通病毒性肺炎與新冠肺炎的新系統(tǒng)。目前，該系統(tǒng)已在國家超算天津中心試運行。
作為項目研究團隊的牽頭人之一，徐波表示，雖然其團隊不是專業(yè)研究病毒性肺炎的，但作為一名醫(yī)務人員同時也是科研工作者，在國家需要時投身戰(zhàn)“疫”，義不容辭。
挺身而出，緊急牽頭組建團隊
“因為一直有項目合作，我馬上聯(lián)系了國家超級計算天津中心應用研發(fā)部部長孟祥飛博士，我們不謀而合，最終決定搭建一個影像分析的AI輔助系統(tǒng)，為CT等影像學檢查判斷新冠肺炎提供參考?！毙觳ɑ貞浾f，雖然典型的CT圖像可能有助于早期篩查疑似病例，但由于各種病毒性肺炎的圖像比較相似，影像科醫(yī)生很難通過肉眼直接判斷。而CT影像的AI輔助診斷系統(tǒng)可以提供有力的參考，提高篩查診斷能力。
“我們之前搭建過一個‘乳腺癌病理學綜合分析AI輔助系統(tǒng)’，最初我覺得這個系統(tǒng)已有一個相對成熟的模型算法，在此基礎上稍加修改，應該很快就能把新冠肺炎的模型搭出來?！毙觳ㄐχf，“事實證明，我們輕敵了，新系統(tǒng)模型的搭建遠沒有那么簡單?！?/p>
新搭建的系統(tǒng)采用人工智能深度學習技術，對新冠肺炎和其他病毒性肺炎的CT圖像進行分析鑒別?！白層嬎銠C深度學習，先要有大量數(shù)據(jù)訓練集。數(shù)據(jù)案例最多的地方肯定是湖北，但此時一線的醫(yī)護人員的重點都在患者的救治上，而其他地方的案例又有限。”徐波感慨。
眾人拾柴火焰高。人工智能專委會發(fā)揮團隊作戰(zhàn)優(yōu)勢，聯(lián)合了西安交通大學第一附屬醫(yī)院、南昌大學第一附屬醫(yī)院、陜西省傳染病醫(yī)院等多家醫(yī)療機構，通過各種渠道，最終收集了453張病毒性肺炎患者的CT影像資料。
搜集到CT影像只是第一步。“CT影像中的肺實變、磨玻璃影、鋪路石等典型特征想要計算機學習，就得先告訴它們這些特征在哪，因此區(qū)域的選擇非常重要，直接影響到建模和機器學習的效果，以及系統(tǒng)最終的準確率。”徐波說。
天津醫(yī)科大學2017級博士研究生王帥是徐波的學生，他負責對CT影像中需要計算機識別學習的區(qū)域進行勾畫和篩選。“時間緊，任務重，我給他下了死命令，他每天一早就一頭扎在電腦前，一坐就是一天?！毙觳ㄕf。
面對失敗，絕不能輕言放棄
做了大量的前期準備工作，徐波和孟祥飛對第一次測試的結果充滿期待，結果卻令他們大失所望——起初機器識別準確率并不理想。接下來，歷經(jīng)連續(xù)七八次調(diào)整之后，準確率依然“飄忽不定”。
“我們自己都開始懷疑，是否能用AI技術來很好地識別新冠病毒肺炎。但關鍵時刻，大家迅速重拾信心投入戰(zhàn)斗，誰也沒有輕言放棄?！毙觳ㄕf，為此，他們一方面請了更多的影像科醫(yī)生重新探討選擇的影像區(qū)域，另一方面超算中心的康波博士團隊改良了Inception遷移學習模型，建立了新的算法。
終于，研發(fā)了近二十天，經(jīng)過數(shù)據(jù)集的訓練和組內(nèi)及組間驗證，模型鑒別新冠肺炎的總準確率可達83%，特異性為80.5%，靈敏度為84%。在平時，搭建這樣一個系統(tǒng)，從數(shù)據(jù)采集、建模到驗證，至少需要一年的時間。
“天河平臺的AI+CT系統(tǒng)有兩個層面上的判斷，一個是判斷病毒性肺炎的準確率，第二層意義是幫助判斷是普通病毒性肺炎還是新冠肺炎?！毙觳ㄕf，AI+CT模型在進一步優(yōu)化調(diào)試后有望快速、高效、準確、安全地助力新冠肺炎的診斷。相比于影像醫(yī)師約10分鐘/例及核酸檢測的總耗時24—48小時，AI+CT模型的檢測分析每例只需要10秒。
目前，該系統(tǒng)正通過擴大數(shù)據(jù)集來進一步優(yōu)化模型，正式上線后，使用者僅需要遠程借助“天河人工智能創(chuàng)新一體化平臺”提供開放能力支撐，便可在電腦、手機等多個終端注冊使用。
“我們搭建的這個系統(tǒng)是一個完全公益的科研平臺，期待大家加入到測試和優(yōu)化的后期工作中來?！毙觳ㄕf。（作者陳曦）
