基于人工智能技术的新冠肺炎辅助诊断研究

孙怡瑶，李杰，白茜茜

河南科技大学第一附属医院(洛阳，471000）

0 引言

随着互联网和信息技术的发展，人工智能(artificial intelligence，AI)已经成为国家发展的重要战略。特别是在医疗健康领域，人工智能技术能够高效准确地辅助医生解决一系列临床问题［1-2］。机器学习(machine learning，ML)和深度学习(deep learning，DL)是人工智能技术的重要组成部分［3-4］。机器学习是通过分析大量的真实数据，并寻找数据之间存在的模式，从而运用这些模式进行智能化预测。机器学习方法主要包括决策树、支持向量机、回归和随机森林等。深度学习是通过运用多个处理层对真实数据的特征进行学习的算法，并在此基础上构建人工神经网络，利用数据库中存储的相关数据信息进行模型训练，提高数据特征的识别准确度。深度学习方法主要包括卷积神经网络、递归神经网络和图神经网络等。由于人工智能技术在新冠肺炎患者CT 图像的定量和定性分析过程中，能够协助医生准确识别病变程度，估算病变的密度和范围，为临床医生对治疗方案选择提供了科学的理论依据。

综上，如何将机器学习和深度学习等人工智能技术与新冠肺炎辅助诊断结合，从而提高肺炎患者的检测准确率和鲁棒性，进而研制出高效智能的检测系统，成为新冠疫情防控中亟待解决的重要科学问题之一。因此，本文通过对当前国内外最新研究成果作系统地报道，为新冠肺炎的辅助诊断研究提供科学的参考依据。

1 人工智能的定义和概述

人工智能也称为机器智能，是指由人类研制的机器而表现出的智能［5］。它诞生于1956 年，当前已经从第一代人工智能发展至第三代人工智能。第一代人工智能主要是运用知识、算法（方法）和算力进行知识驱动的智能，第二代人工智能是在第一代人工智能的基础上，利用数据、算法（方法）和算力进行数据驱动的智能［6］。因此，前两代的人工智能只是通过一个方面来模拟人类智能的行为方式。第三代人工智能结合前两代人工智能发展的优势，将知识和数据驱动相结合，构造以知识、数据、算法（方法）和算力的人工智能。当前人工智能技术已经在血液系统疾病、恶性肿瘤辅助诊断、内分泌代谢和抑郁病辅助诊断等领域得到应用，为人工智能与医学诊断相结合提供了理论依据［7-10］。

2 基于机器人和机器视觉的辅助诊断方法

机器人和机器视觉是新一代人工智能发展的重要分支［11-12］，它是指运用机器人来代替医生对患者的肺部影像进行测量和判断。机器视觉模型通过运用大量真实的临床数据对模型的参数进行训练，从而能准确地识别新冠肺炎患者［13-14］。我国邓灵波等［15］用新型人工智能系统来自动检测肺炎病变的数量、体积与病变体积占百分比，得到疑似新型冠状肺炎的概率值，从而辅助医生精准识别高危肺炎群体和病情的恶化程度。文献［16］采用联邦学习和区块链技术，对患者胸部CT 图像进行分割，从而准确得到患者的肺部感染区域面积，结果表明该方法Dice 指标达到63.26%。文献［17］通过选取86 例COVID-19 患者的临床和相关影像数据资料，对患者的胸部CT 图像参数进行系统分析，选取特异性、敏感性和受试者工作曲线等指标来评估COVID-19 患者的严重程度。

表1 基于不同机器视觉方法对COVID-19 患者辅助诊断结果影响分析Tab.1 Analysis of influence of different machine vision methods on auxiliary diagnosis results of COVID-19 patients

3 基于专家系统的远程辅助诊断方法

专家系统是一种智能化的计算机程序系统，该系统内部包含大量的领域专家水平的知识和经验，能够利用专家的知识和智慧来检测新冠肺炎患者。专家系统主要由人机交互界面、领域知识库、解释器、推理机、综合数据库和知识获取等6 个部分构成。图1 给出基于专家系统的新冠肺炎辅助诊断架构。我们通过对国内外最新研究成果进行调研发现，我国上海市公共卫生临床中心采用先进的人工智能全肺的定量分析方法，提出了一种肺炎智能化影像评价系统，该系统可以将患者完整的CT 图像上传至该系统，进行快速高效地诊断和对比分析［19］。此外，随着5G 技术的快速发展，在我国云南省研制的“ 新冠病毒感染肺炎的在线免费诊疗服务平台”，能够实时地为患者提供智能化的咨询和专家的问诊服务［20］。文献［21］通过运用深度学习、大数据技术和迁移学习等多种人工智能前沿方法，提出一种基于胸部CT 和X-ray 的专家辅助诊断系统，见图1。该专家系统在诊断新冠肺炎过程中的准确率高达92.49%（灵敏度94.93%，特异性91.13%）。

图1 基于专家系统的新冠肺炎辅助诊断系统架构Fig.1 A novel coronavirus pneumonia auxiliary diagnostic system architecture based on expert system

综上所述，基于专家系统的远程辅助诊断方法，不仅为我国医疗水平薄弱的偏远地区提供了有效的问诊手段，而且也为开展早期阶段的分诊和非接触式的在线问诊服务，能高效地避免因病患者拥挤而造成严重的聚集性感染。

4 总结与展望

本文通过结合当前全球公共卫生事件中关注的新冠肺炎热点话题，对人工智能技术在新冠肺炎的辅助诊断中的应用进行系统化和层次化报道，其中基于机器人和机器视觉的辅助诊断方法，在新冠肺炎的辅助诊断中起到了关键性作用，提高了医护人员的工作效率。此外，我们结合人工智能领域中的专家系统理论，进一步对基于专家系统的远程辅助诊断方法进行报道，特别是结合我国当前已经研制出的经典的肺炎智能化影像评价系统进行阐述和分析。

展望未来，随着人工智能算法的进一步优化和相关专业数据的标准化的提高，通过构建具有稳健的新冠肺炎诊断系统，能够及时帮助医生筛选出肺炎患者，从而缓解医疗辅助诊断系统的运行负担。综上所述，为了准确、高效地实现人工智能新技术在肺炎辅助诊断中的应用，在后续的研究中需要进一步提高相关数据的标准化过程，从而提高诊断系统检测的准确性和鲁棒性。