西南医院与深睿医疗合作完成的科研成果被SCI期刊收录

近期，深睿医疗联合陆军军医大学第一附属医院(重庆西南医院)陈伟教授、王健教授团队，一篇关于临床标本中感染性病原体的快速检测和鉴定的科研成果被SCI期刊《Frontiers in Medicine》（IF 5.091）收录，研究了一种快速、无需菌培或者PCR的深度学习新方法，仅使用肺部CT影像便可尽早对肺部感染的情况作出及时的初步诊断。根据诊断结果可以有针对性的提供合适的抗生素治疗，有助于减轻抗微生物耐药性，进而减少副作用和成本。

论文题目

 “Clinical Applicable AI System Based on Deep Learning Algorithm for Differentiation of Pulmonary Infectious Disease”。

临床标本中感染性病原体的快速检测和鉴定是一项极具挑战性的工作，但对指导治疗和预测结果至关重要。肺部感染的常规诊断主要依靠培养基检测，然而常见的微生物培养通常需要几天时间，甚至某些情况下需要长达一周才能得到诊断结果。此外，在实验室条件下，细菌的培养并不一定会成功。这种失败可能是由于不合适的培养条件和方法导致的，或被调查的特定患者在采样前可能接受过抗菌治疗。虽然早期诊断并且进行针对性的抗生素治疗对患者是最好的，但传统的微生物鉴定方法往往不能为这类病人的诊断和治疗管理提供及时的结果。因此，寻求一种可以应用于临床的肺部感染快速诊断的方法是十分必要的。

▲Dr.Wise肺炎AI医学辅助诊断系统

该研究通过采集影像大数据，构建基于影像特征的深度学习模型，识别不同肺部感染（细菌感染，真菌感染，病毒感染、COVID-19等）的某一或者某些特定特征。运用Dr.Wise肺炎AI医学辅助诊断系统，基于深度学习技术框架，发挥AI在图像分析领域的优势，为肺部影像分析提供助力，这款产品已获批NMPA三类证。然而，呼吸系统感染往往具有相似的影像症状，在此基础上，研究者使用分割网络模型对影像征象的影像语义信息进行建模（感染区域大小，肺叶肺段位置信息等），使用多种影像检测特征（图像特征和语义特征），来快速对病原体进行识别，研究发现图像的语义特征能够很好地增强模型的表达能力，对于肺部感染的早期诊断和治疗具有一定的临床使用价值。

（图1）模型框架结构图

研究队列包括1431例实验室确诊肺炎患者，共进行3463次胸部CT扫描，其中病毒性肺炎患者316例出入院777次，细菌性肺炎患者306例出入院507次，真菌肺炎患者74例出入院126次，COVID-19患者735例出入院2053次。该研究使用每一个患者的每一次出入院的首次拍摄CT，并且规定两次出入院时间大于一定的间隔。

（图2）数据纳排图

研究者在验证模型对于影像特征的表达能力基础之上，进一步探索在不同模态下，病人的临床信息能否和深度学习特征进行有效的融合，借助人工智能的文本分析功能和图像处理功能和大数据平台，通过搜集全诊疗流程的多模态数据，构建基于多模态数据的准确诊疗机器学习模型，从而增强模型对于肺炎诊断的可解释性。通过分析每一个得到的影像语义信息特征以及病人基本的临床信息，建立模型得到影响模型进行肺炎感染判断的最重要的几个特征，挖掘不同肺炎早期CT以及临床特征指标，进一步指导临床进行快速决策。

（图3）模型可视化结果以及模型中特征指标权重图

最后，我们将模型于相关的影像科医生进行比较。如混淆矩阵所示，相比之下，医生在区分肺炎四种致病类型方面的准确率较低，平均准确率分别为44.5%，而所提出的模型的平均准确率达到80.0%，尤其在新冠肺炎以及病毒性肺炎上能够取得很好的结果。

聚焦科研，助力临床。这些高质量的科研进展将成为智慧医疗建设高质量发展的基石，与医院携手合作，提升科研落地转化效率。截止到目前，深睿医疗与各大高校科研团队及国内知名医疗机构在各类学术期刊发表的论文累计影响因子已超800。深睿医疗丰富的产品矩阵中已经拥有包含肺结节、肺炎、骨龄检测等四张NMPA三类证，同时还承担了科技部、国自然及全国省地级近40个重大专项科研项目，仅2021年就与国内多家医疗机构联合申报成功4个国自然项目，并获得了国家科学技术进步二等奖。

秉承创新之心，在医学人工智能领域不断探索和前行，深度挖掘人工智能的创新应用，加速AI前沿理论成果转化，联合科技的力量共同促进AI医疗产业化的蓬勃发展。

 被收录文章 

Zhang YH, Hu XF, Ma JC, Wang XQ, Luo HR, Wu ZF, Zhang S, Shi DJ, Yu YZ, Qiu XM, Zeng WB, Chen W, Wang J. Clinical Applicable AI System Based on Deep Learning Algorithm for Differentiation of Pulmonary Infectious Disease. Front Med (Lausanne). 2021;8:753055. doi: 10.3389/fmed.2021.753055.

（图4）AI模型以及影像科医生结果比较混淆矩阵图

*论文中引用的文献

[1] Templeton KE, Scheltinga SA, van den Eeden WCJFM, Graffelman AW,van den Broek PJ, Claas EC. Improved diagnosis of the etiology of community-acquired pneumonia with real-time polymerase chain reaction. Clin Infect Dis. (2005) 41:345–51. doi: 10.1086/431588.

[2] Kermany DS, Goldbaum M, Cai W, Valentim CCS, Liang H, Baxter SL, et al.Identifying medical diagnoses and treatable diseases by image-based deep learning. Cell. (2020) 172:1122–31.e9. doi: 10.1016/j.cell.2018.02.010.