新冠肺炎影像学诊断_阿里云AI诊断新技术：新冠肺炎CT影像识别准确率96%

2年15日，阿里达摩医院和阿里云联合开发了一套新的人工智能诊断技术，用于临床诊断新的冠状肺炎。人工智能能够在20秒内准确解读疑似新冠病例的CT图像，分析结果的准确率达到96%该算法于2月16日在河南郑州小汤山投入使用，用于辅助临床诊断。在

新皇冠流行初期，由于确诊病例样本量小，医疗机构缺乏高质量的临床诊断数据，核酸检测作为病原学证据被公认为新皇冠肺炎诊断的主要参考标准。随着临床诊断资料的积累，新冠状动脉肺炎的影像学特征逐渐清晰，CT影像诊断结果变得越来越重要根据国家卫生和健康委员会公布的第五版诊断和治疗计划，临床诊断不需要依赖核酸检测结果，并且CT图像临床诊断结果可以用作判断新的冠状肺炎病例的标准

人工智能新冠状动脉肺炎病例的自动识别新冠状动脉肺炎患者的CT胸片

CT胸片其影像学特征为单肺或双肺多发、斑片状或节段性磨玻璃密度影等细微变化一例新诊断肺炎患者的CT图像约300张，给医生的临床诊断带来很大压力。医生对病例的CT图像进行肉眼分析需要大约5-15分钟。

阿里达摩医院医学人工智能团队率先突破训练数据不足的局限，以最新的诊疗方案和钟南山等权威团队发表的关于新发肺炎患者临床特征的论文为依据，与浙江大学第一附属医院、龙昌嘉、谷坡医院等机构合作。基于5000多个病例的CT图像样本数据，通过学习训练样本的病变纹理，建立了人工智能算法模型。

通过自然语言处理回顾性数据，利用美国有线电视新闻网卷积神经网络训练的CT图像识别网络，人工智能能快速识别新冠状肺炎图像与普通病毒性肺炎图像的差异，最终识别准确率高达96%人工智能平均需要不到20秒来识别一个病例，从而大大提高了诊断效率，减轻了医生的压力。此外，人工智能可以直接计算病变部位的比例，从而量化疾病的严重程度，大大提高临床诊断效率

医护人员使用人工智能对新发肺炎病例的CT图像进行识别

除了CT图像识别算法外，达摩医院和阿里云还开发了一种辅助诊断算法，可以进一步帮助辅助医生根据患者的基本信息、症状、实验室检查结果、流行病学史、影像报告等多维信息制定科学的治疗方案。达摩医院

的算法专家徐敏峰说，“新冠肺炎是一种新的疾病，自爆发以来还没有公共数据集。然而，随着临床数据的积累，人工智能算法将在新冠肺炎的诊断中发挥更大的作用。据知情人士透露，除了河南郑州小汤山医院率先登陆外，该算法还将登陆湖北、广东、安徽等地近100家医院