人工智能诊断工具帮助医生直观地了解感染COVID后的肺部受损情况

KAUST开发的新方法--被称为“深部肺实质增强”（DLPE）--在标准胸部成像数据的基础上叠加人工智能算法，以揭示原本无法辨别的视觉特征，表明肺部功能障碍。

计算机科学家和计算生物学家高欣说，通过DLPE增强，“放射科医生可以发现和分析新的亚视觉肺部病变”。他补充说，对这些病变的分析然后可以帮助解释病人的呼吸道症状，“允许更好的疾病管理和治疗”。

高欣和他的结构和功能生物信息学小组以及计算生物科学研究中心的成员，与人工智能研究员和现任KAUST教务长Lawrence Carin以及来自中国哈尔滨医科大学的临床合作者一起创造了这个工具。

该方法首先消除了与肺实质无关的任何解剖学特征；肺实质组织是新冠病毒诱发损伤的主要位点。这意味着去除气道和血管，然后增强留下的图片，以暴露出没有计算机帮助可能会错过的病变。

研究人员使用来自中国数千名COVID-19住院患者的计算机断层扫描（CT）胸部扫描来训练和验证他们的算法。他们利用放射科专家的意见完善了该方法，然后以前瞻性的方式将DLPE应用于几十名有肺部问题的COVID-19幸存者，他们都经历了需要重症监护治疗的严重疾病。

通过这种方式，高欣和他的同事证明了该工具可以揭示COVID长期症状患者的肺部纤维化迹象，从而帮助解释气短、咳嗽和其他肺部问题。他建议，这种诊断在标准CT图像分析中是不可能的。

他说：“通过DLPE，我们第一次证明了长期CT病变可以解释这种症状。因此，对纤维化的治疗可能对解决COVID-19的长期呼吸系统并发症非常有效"。”

尽管KAUST团队开发DLPE时主要考虑到了COVID后的恢复，但他们也在从有其他各种肺部问题的人身上采集的胸部扫描上测试了该平台，包括肺炎、肺结核和肺癌。研究人员展示了他们的工具如何能够作为所有肺部疾病的广泛诊断辅助工具，正如高欣所说，这使放射科医生能够“看到看不见的东西”。