此次新冠状病毒肆虐，一大原因是正值冬季流感期，新冠感染与普通流感症状相似，难以区分。另一方面，虽然核酸检测已被认为是新冠肺炎确诊的金标准，但会存在反复阴性才可能出现阳性的短板，在这个反复的过程中往往会增加传染风险。
因此，在临床上，疑似病患的肺部CT影像也会被用于辅助诊断。在国家卫生健康委员会办公厅公布的多个版本的《新型冠状病毒感染的肺炎诊疗方案》中，均有胸部CT影像作为判定新冠肺炎临床依据的表述，例如“早期呈现多发小斑片影及间质改变，以肺外带明显。进而发展为双肺多发磨玻璃影、浸润影，严重者可出现肺实变，胸腔积液少见。”
然而，一位新冠肺炎病人的CT影像大概在300张左右，这给医生临床诊断带来巨大压力，医生对一个病例的CT影像肉眼分析耗时大约为5-15分钟。疑似病例确诊检查之外，治疗期患者每5天还要做一次CT检查。进一步增加了医生的负担。
AI参与抗疫，让人工智能系统读胸片，可以在数秒内识别炎性病灶、分割定位，并勾画感染区域，对病灶区域进行量化评估。这有助于引导大批患者尽快评估病情并分诊，辅助新冠肺炎临床诊断筛查。AI系统还能实现新冠肺炎与其他肺炎（病毒性肺炎、细菌性肺炎等）的进一步鉴别诊断。有数据显示系统对新冠肺炎的诊断结果与核酸检测阳性结果符合率超过95.5%
推想科技CT肺炎检测软件
人工智能参与医疗过程首先要做的是获得大量带标注的医学影像样本，然后尝试在其中找到一些关键点。比如说靠近肺和靠近肝的点，把关键点找到以后，结合肺的形状鲜艳模型，设定一个初始化模型，再通过机器学习的方式学到边界应该是怎么样的，病变是怎么样的，尽量的逼近它的边界信息，再通过它的形状特征进行进一步的完善，最后获得好的分割、筛查结果。这一过程便是人工智能对图像的定位、分类和切割。
通过搭建神经网络和利用深度学习算法，人工智能系统对包含各种病变形态细胞的病理库进行大量训练，获得识别病变细胞特征的能力。利用之前提到的分割算法，将细胞分割出来，通过大量比对，识别出细胞的病变形式及发展程度，为医生做出最后诊断提供辅助依据。
人工智能进行肺部筛查的步骤为：使用图像分割算法对肺部扫描序列进行处理，生成肺部区域图，然后根据肺部区域图生成肺部图像。利用肺部分割生成的肺部区域图像，加上结节标注信息生成结节区域图像，训练基于卷积神经网络的肺结节分割器，然后对图像做肺结节分割，得到疑似肺结节区域。找到疑似肺结节后，使用3D卷积神经网络对肺结节进行分类，得到真正肺结节的位置和置信度。
网友评论