“天津第一批医疗队出发驰援武汉……”看着手机里的新闻，天津医科大学肿瘤医院副院长徐波教授陷入了沉思，自己能为抗击疫情做些什么？

    作为中国抗癌协会肿瘤人工智能专业委员会主任委员，徐波一直致力于推动人工智能技术在肿瘤学领域的应用，他第一时间就想到了人工智能技术。

    历时20天，由中国抗癌协会肿瘤人工智能专业委员和国家超级计算天津中心组成的“CT影像综合分析AI辅助系统”项目团队研发出可较为准确区别普通病毒性肺炎与新冠肺炎的新系统。目前，该系统已在国家超算天津中心试运行。

    作为项目研究团队的牵头人之一，徐波表示，虽然其团队不是专业研究病毒性肺炎的，但作为一名医务人员同时也是科研工作者，在国家需要时投身战“疫”，义不容辞。

    挺身而出，紧急牵头组建团队

    “因为一直有项目合作，我马上联系了国家超级计算天津中心应用研发部部长孟祥飞博士，我们不谋而合，最终决定搭建一个影像分析的AI辅助系统，为CT等影像学检查判断新冠肺炎提供参考。”徐波回忆说，虽然典型的CT图像可能有助于早期筛查疑似病例，但由于各种病毒性肺炎的图像比较相似，影像科医生很难通过肉眼直接判断。而CT影像的AI辅助诊断系统可以提供有力的参考，提高筛查诊断能力。

    “我们之前搭建过一个‘乳腺癌病理学综合分析AI辅助系统’，最初我觉得这个系统已有一个相对成熟的模型算法，在此基础上稍加修改，应该很快就能把新冠肺炎的模型搭出来。”徐波笑着说，“事实证明，我们轻敌了，新系统模型的搭建远没有那么简单。”

    新搭建的系统采用人工智能深度学习技术，对新冠肺炎和其他病毒性肺炎的CT图像进行分析鉴别。“让计算机深度学习，先要有大量数据训练集。数据案例最多的地方肯定是湖北，但此时一线的医护人员的重点都在患者的救治上，而其他地方的案例又有限。”徐波感慨。

    众人拾柴火焰高。人工智能专委会发挥团队作战优势，联合了西安交通大学第一附属医院、南昌大学第一附属医院、陕西省传染病医院等多家医疗机构，通过各种渠道，最终收集了453张病毒性肺炎患者的CT影像资料。

    搜集到CT影像只是第一步。“CT影像中的肺实变、磨玻璃影、铺路石等典型特征想要计算机学习，就得先告诉它们这些特征在哪，因此区域的选择非常重要，直接影响到建模和机器学习的效果，以及系统最终的准确率。”徐波说。

    天津医科大学2017级博士研究生王帅是徐波的学生，他负责对CT影像中需要计算机识别学习的区域进行勾画和筛选。“时间紧，任务重，我给他下了死命令，他每天一早就一头扎在电脑前，一坐就是一天。”徐波说。

    面对失败，绝不能轻言放弃

    做了大量的前期准备工作，徐波和孟祥飞对第一次测试的结果充满期待，结果却令他们大失所望——起初机器识别准确率并不理想。接下来，历经连续七八次调整之后，准确率依然“飘忽不定”。

    “我们自己都开始怀疑，是否能用AI技术来很好地识别新冠病毒肺炎。但关键时刻，大家迅速重拾信心投入战斗，谁也没有轻言放弃。”徐波说，为此，他们一方面请了更多的影像科医生重新探讨选择的影像区域，另一方面超算中心的康波博士团队改良了Inception迁移学习模型，建立了新的算法。

    终于，研发了近二十天，经过数据集的训练和组内及组间验证，模型鉴别新冠肺炎的总准确率可达83%，特异性为80.5%，灵敏度为84%。在平时，搭建这样一个系统，从数据采集、建模到验证，至少需要一年的时间。

    “天河平台的AI+CT系统有两个层面上的判断，一个是判断病毒性肺炎的准确率，第二层意义是帮助判断是普通病毒性肺炎还是新冠肺炎。”徐波说，AI+CT模型在进一步优化调试后有望快速、高效、准确、安全地助力新冠肺炎的诊断。相比于影像医师约10分钟/例及核酸检测的总耗时24—48小时，AI+CT模型的检测分析每例只需要10秒。

    目前，该系统正通过扩大数据集来进一步优化模型，正式上线后，使用者仅需要远程借助“天河人工智能创新一体化平台”提供开放能力支撑，便可在电脑、手机等多个终端注册使用。

    “我们搭建的这个系统是一个完全公益的科研平台，期待大家加入到测试和优化的后期工作中来。”徐波说。