由香港中文大學（中大）工程學院計算機科學與工程學系竇琪教授與王平安教授，和醫學院影像及介入放射學系蘇宛彤醫生與余俊豪教授所帶領的跨學科研究團隊，聯合開發了一個人工智能（AI）系統，可快速及準確地自動檢測胸部電腦斷層掃瞄（Computed Tomography Scan，簡稱CT）影像上的新冠肺炎（COVID-19）感染病灶。

該研究採用新型聯邦學習技術，通過香港多家醫院的臨床影像數據對AI模型進行訓練，無需將數據集中在一處，藉以保護病人私隱。計算機科學與工程學系竇琪教授表示，團隊利用內地和歐洲多個獨立及不可見的外部數據集對訓練後的AI系統進行驗證，展現了在COVID-19的全球爆發中，快速開發高效可靠的AI模型以建立大規模醫療數據集的可行性和巨大潛力，同時保護病人私隱。該研究近期已發表在Nature旗下綜合期刊npj Digital Medicine。

中大跨學科團隊攜手開發了一套人工智能（AI）系統，可快速及準確地自動檢測胸腔電腦斷層掃瞄（簡稱CT）影像上的新冠肺炎感染病灶。 團隊成員包括：中大工程學院計算機科學與工程學系博士生劉權德先生 (右一)及助理教授竇琪教授 (左二)，以及中大醫學院影像及介入放射學系助理教授蘇宛彤醫生 (左一)及系主任余俊豪教授 (右二)。

智能醫學影像分析技術實現精準新冠肺炎CT病變檢測

在COVID-19的臨床診斷中，放射科醫生可透過醫學影像有效定量評估疾病的嚴重程度和觀察病情進展及恢復情況。然而，激增的醫學影像檢查使放射科醫生面臨前所未有的挑戰。因此，AI診斷系統對COVID-19病人的有效診斷和管理有很大的輔助作用。中大研究團隊揉合工程和醫學的跨學科優勢，開發了新一代AI系統，可以準確迅速地從CT影像中自動檢測COVID-19病變，從而為臨床醫生提供即時可靠的診斷結果。計算機科學與工程學系王平安教授表示：「與以往的智能醫學影像分析技術不同，該新型AI系統利用聯邦學習技術，可在保護病人私隱的情況下有效聯合香港多個臨床中心的數據來進行模型開發。鑑於醫學影像往往存在不同成像設備導致的數據異質性問題，這種多中心協作訓練的學習模式對於偵測各種數據分布的差異、提高模型可靠性，進而在複雜的實際臨床應用中充分發揮AI的效能至關重要。」

國內外多中心數據驗證AI模型魯棒性和泛化性

 

中大研究團隊建立的AI模型已在內地和德國多個數據中心進行了獨立的外部驗證。結果顯示，該AI模型在香港本地及其他地區患者的CT影像上都具有優異的病變檢測性能，充分體現了聯邦深度學習技術在綜合利用多中心數據，推進智能醫學圖像分析在真實臨床場景中廣泛應用的巨大潛力。中大醫學院影像及介入放射學系助理教授蘇宛彤醫生指出：「AI系統還具有明顯的速度優勢。傳統的臨床閱片流程，醫生檢查一個CT通常需要5至10分鐘，而AI僅在40毫秒（即百分之四秒）內即可準確評估整個三維CT影像，一旦應用可大幅度提高臨床診斷效率。」

 

短片簡介參與是次研究的跨學科團隊

 

這項最新研究展示了AI驅動的數字醫療技術在全球疾病爆發中的實用途徑和潛在效能。在COVID-19迅速發展的大流行中，顯然沒有足夠時間在醫院甚至國家之間建立複雜的數據共享協議。中大醫學院影像及介入放射學系系主任余俊豪教授補充：「在這種情況下，建基於病人私隱保護的機器學習是能夠讓數字醫療技術迅速迎戰全球公共衞生危機的重要推動力和加速器。是次研究以COVID-19為研究目標，表明了跨學科融合多地域合作是AI克服複雜真實場景解決實際臨床需求的關鍵所在。我們相信安全可靠通用的醫學圖像智能分析技術，是實現智慧醫院的重要一環，將會為香港以至全球革新醫療服務，增強衞生危機應對能力提供保障。」