由香港中文大学（中大）工程学院计算机科学与工程学系窦琪教授与王平安教授，和医学院影像及介入放射学系苏宛彤医生与余俊豪教授所带领的跨学科研究团队，联合开发了一个人工智能（AI）系统，可快速及准确地自动检测胸部电脑断层扫瞄（Computed Tomography Scan，简称CT）影像上的新冠肺炎（COVID-19）感染病灶。

该研究采用新型联邦学习技术，通过香港多家医院的临床影像数据对AI模型进行训练，无需将数据集中在一处，藉以保护病人私隐。计算机科学与工程学系窦琪教授表示，团队利用内地和欧洲多个独立及不可见的外部数据集对训练后的AI系统进行验证，展现了在COVID-19的全球爆发中，快速开发高效可靠的AI模型以建立大规模医疗数据集的可行性和巨大潜力，同时保护病人私隐。该研究近期已发表在Nature旗下综合期刊npj Digital Medicine。

中大跨学科团队携手开发了一套人工智能（AI）系统，可快速及准确地自动检测胸腔电脑断层扫瞄（简称CT）影像上的新冠肺炎感染病灶。 团队成员包括：中大工程学院计算机科学与工程学系博士生刘权德先生 (右一)及助理教授窦琪教授 (左二)，以及中大医学院影像及介入放射学系助理教授苏宛彤医生 (左一)及系主任余俊豪教授 (右二)。

智能医学影像分析技术实现精准新冠肺炎CT病变检测

在COVID-19的临床诊断中，放射科医生可透过医学影像有效定量评估疾病的严重程度和观察病情进展及恢复情况。然而，激增的医学影像检查使放射科医生面临前所未有的挑战。因此，AI诊断系统对COVID-19病人的有效诊断和管理有很大的辅助作用。中大研究团队揉合工程和医学的跨学科优势，开发了新一代AI系统，可以准确迅速地从CT影像中自动检测COVID-19病变，从而为临床医生提供即时可靠的诊断结果。计算机科学与工程学系王平安教授表示：「与以往的智能医学影像分析技术不同，该新型AI系统利用联邦学习技术，可在保护病人私隐的情况下有效联合香港多个临床中心的数据来进行模型开发。鉴於医学影像往往存在不同成像设备导致的数据异质性问题，这种多中心协作训练的学习模式对於侦测各种数据分布的差异、提高模型可靠性，进而在复杂的实际临床应用中充分发挥AI的效能至关重要。」

国内外多中心数据验证AI模型鲁棒性和泛化性

 

中大研究团队建立的AI模型已在内地和德国多个数据中心进行了独立的外部验证。结果显示，该AI模型在香港本地及其他地区患者的CT影像上都具有优异的病变检测性能，充分体现了联邦深度学习技术在综合利用多中心数据，推进智能医学图像分析在真实临床场景中广泛应用的巨大潜力。中大医学院影像及介入放射学系助理教授苏宛彤医生指出：「AI系统还具有明显的速度优势。传统的临床阅片流程，医生检查一个CT通常需要5至10分钟，而AI仅在40毫秒（即百分之四秒）内即可准确评估整个三维CT影像，一旦应用可大幅度提高临床诊断效率。」

 

短片简介参与是次研究的跨学科团队

 

这项最新研究展示了AI驱动的数字医疗技术在全球疾病爆发中的实用途径和潜在效能。在COVID-19迅速发展的大流行中，显然没有足够时间在医院甚至国家之间建立复杂的数据共享协议。中大医学院影像及介入放射学系系主任余俊豪教授补充：「在这种情况下，建基於病人私隐保护的机器学习是能够让数字医疗技术迅速迎战全球公共衞生危机的重要推动力和加速器。是次研究以COVID-19为研究目标，表明了跨学科融合多地域合作是AI克服复杂真实场景解决实际临床需求的关键所在。我们相信安全可靠通用的医学图像智能分析技术，是实现智慧医院的重要一环，将会为香港以至全球革新医疗服务，增强衞生危机应对能力提供保障。」