柳葉刀子刊發表武漢同濟醫院等多中心COVID-19科研
時至今日，新冠疫情仍然在全球肆虐。
雖然中國的疫情已經得到有效遏制，但中國的醫務工作者仍在對新冠肺炎（COVID－19）進行持續深入研究，希望為全球疫情應對提供幫助。尤其是大規模、多中心的回顧性研究，對我們進一步認識病毒，更好地診斷和治療，乃至預防疫情二次爆發都具有重要價值。
華中科技大學同濟醫學院附屬同濟醫院（簡稱武漢同濟醫院）曾地處疫情中心，不僅擁有三個院區接診患者，還接管了武漢光谷方艙醫院，在武漢疫情阻擊戰中扮演了重要角色。整個過程中，同濟醫院的醫生也在不斷應用實戰積累的數據，深入探索新冠肺炎。
9月23日，一篇由武漢同濟醫院等國內多家戰疫一線醫院聯合完成的針對新冠肺炎（COVID－19）多中心回顧性研究在全球頂級醫學期刊《柳葉刀》新刊The Lancet Digital Health發表。該論文研究了從新冠肺炎診斷、臨床分診效率、病情監控、輕癥及無癥狀感染者等多個角度系統研究了深度學習模型的價值和作用，為全球疫情應對提供了重要參考。
該論文由武漢同濟醫院、武漢科技大學附屬天佑醫院、咸寧市中心醫院、中南大學湘雅二醫院、深圳市第三人民醫院等國內多家在抗擊疫情過程中扮演重要角色的醫院與推想科技聯合完成，武漢同濟、推想科技、湘雅二院為共同第一作者，武漢同濟醫院院長王偉為通訊作者。這也是國內鮮有的基于深度學習模型的COVID－19大規模多中心臨床研究，進一步驗證了深度學習模型在新冠疫情中的價值和作用。
該研究提出了一種基于CT影像分診疑似新冠肺炎患者，并可以自動定量分析確診患者病灶的深度學習模型。該模型采用U－Net深度學習算法，可同時實現疑似新冠患者分診和確診患者病程分析兩個研究目標。
研究團隊首先收集了2447例胸部CT影像（1647例為RT－PCR確診陽性，800例為RT－PCR確診陰性）用于模型訓練，639例胸部CT影像（439例為RT－PCR確診陽性，200例為RT－PCR確診陰性）用于模型內部驗證。模型在內部驗證集上的AUC，靈敏度和特異度分別為0．985 （95％ CI 0．982–0．989），0．973 （0．966–0．980），和0．850 （0．827–0．875）。
其次，研究團隊分別從武漢科技大學附屬天佑醫院（武漢，發病率約0．566％），咸寧市中心醫院（咸寧，發病率約0．034％）和中南大學湘雅二醫院（長沙，發病率約0．003％）連續收集了1097，820和203套發熱門診患者的胸部CT影像作為外部驗證集。以患者CT影像報告為參考標準，模型的AUC，靈敏度，特異度，PPV和NPV分別為0．953 （0．949–0．959），0．923 （ 0．914–0．932），0．851 （0．842–0．860），0．790 （0．777–0．803），和0．948 （0．941–0．954）。
此外，研究團隊還模擬將AI應用于臨床流程中，以探究其分診效率。模型直接將影像學結果提示給高年資醫師或臨床醫師可大大縮短得出陽性患者影像學報告所需時間（p＜0．0001）。模型將結果報告給高年資醫師和臨床醫師可減少的時間中位數和四分位距分別為15．73（11．05－25．25）和22．62（15．12－38．63）分鐘。
為驗證模型針對輕癥乃至無癥狀患者的表現，研究團隊額外收集了761例來自方艙的輕癥或無癥狀患者的胸部CT影像，其中618（81％）位患者有新冠相關的影像學表現，模型的靈敏度為0．886 （0．873–0．898）。研究還收集了686例疫情爆發前天佑醫院和深圳市第三人民醫院的胸部CT影像用以驗證模型在非新冠混淆病例上的表現，模型的特異度為0．822 （0．808－0．836）。
該研究收集了多個來自真實臨床場景的數據集用以驗證模型在新冠肺炎疑似患者分診和病灶分析方面的表現。研究結果顯示，模型具有較好的魯棒性，在多個數據集中表現穩定。此外，研究團隊將深度學習模型融入傳統臨床流程以加速疑似患者的分診，其自動病灶分析功能對新冠肺炎患者的病情監控和管理均具有重要意義。
最后，研究還探究了模型基于CT影像評估病情進展的表現，以三位影像科專家的評估結果作為參考標準，模型的靈敏度和特異度分別為0．962（0．947－1．000）和0．875（0．833－0．923），且模型結果與參考標準有較高的一致性（Kappa為0．839，95％CI 0．718－0．940）。
作者：動脈網
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
