武汉大学人民医院等于3月1日发表了题为“Deep learning-based model for detecting 2019 novel coronavirus pneumonia on high-resolution computed tomography: a prospective study”的文章。
研究旨在构建一个基于深度学习的系统，以在高分辨率CT上检测COVID-19肺炎，减轻放射科医生的工作压力，并有助于控制流行病。为了进行模型开发和验证，研究人员回顾性收集和处理了武汉大学人民医院（湖北省武汉市）106名例入院患者的46,096张匿名CT图像，其中包括51例实验室确诊的COVID-19肺炎患者和55例其他疾病的对照患者。研究人员收集了2020年2月5日在武汉大学人民医院接受CT扫描的27例患者信息，以评估和比较该模型与放射科医生诊断2019年新型冠状病毒肺炎的效率。结果显示，该模型对每位患者的敏感性为100％，特异性为93.55％，准确性为95.24％，PPV为84.62％，NPV为100％；在回顾性数据集中，对每幅图像的敏感性为94.34％，特异性为99.16％，准确性为98.85％，PPV为88.37％，NPV为99.61％。对于27名潜在患者，该模型的性能可与放射科专家相媲美。借助该模型，放射科医生的读片时间减少了65％。结论：深度学习模型显示了与放射科专家相当的性能，并大大提高了放射科医生在临床实践中的效率；具有缓解一线放射科医生的压力，改善早期诊断、隔离和治疗的巨大潜力，从而有助于控制流行病。
