2020 年 3 月 3 日，上海教育电视台《教视新闻》栏目头条报道了我院薛向阳教授团队新冠肺炎 AI 辅助诊断关键技术的相关成果。
新冠肺炎疫情发生后，在上海市抗击疫情指挥部科技攻关组的指导下，1 月 29 日，复旦大学计算机科学技术学院和大数据研究院联合上海市（复旦大学附属）公共卫生临床中心放射科，正式启动了新型冠状病毒肺炎影像学 AI 智能辅助诊断相关研究工作。
自疫情发生以来，上海市科委、学校启动了应急性和原创性攻关专项，学校建立了应对新型冠状病毒肺炎的科技攻关项目库，完成第二批应急攻关项目征集并入库，鼓励多学科交叉、医工结合、校企合作，将研究成果尽快应用到战胜疫情中，为抗击疫情提供科技支撑。
上海教育电视台《教视新闻》栏目报道详细内容如下：
习近平总书记 3 月 2 日在北京考察新冠肺炎防控科研攻关工作时强调，要把新冠肺炎防控科研攻关作为一项重大而紧迫任务，综合多学科力量，统一领导，协同推进，在坚持科学性、确保安全性的基础上，加快研发进度，尽快攻克疫情防控的重点难点问题，为打赢疫情防控人民战争、总体战、阻击战提供强大科技支撑。
科学战 “疫”，沪上高校争分夺秒，复旦大学联合上海市公共卫生临床中心、联影医疗等单位，通过产学研医相结合，让人工智能加入战 “疫”，使肺部影像的读片速度从分钟快进到秒级。新冠肺炎疫情中，高效直观的肺部成像可以为医生诊断提供重要依据，与人工诊断相比，AI 辅助诊断的最大优势就在于读片速度，秒级时间内就能预发现病灶发生区域，大幅缩短医生读片时间。
复旦大学计算机科学技术学院教授薛向阳老师接受采访时说到 “患者的 CT 影像输入系统以后，系统很快速的就检查出可能存在病灶的区域。而医生需要一张一张看，每个病例总共有 400 多张 CT 图像，估计需要 5 到 10 分钟，但 AI 辅助诊断系统只需要就一两秒就处理完成了，医生看的时候旁边已经有提示了，可以大幅提高临床诊断的效率。”
复旦大学计算机科学技术学院博士生蒋龙泉同学在向记者介绍系统使用流程时说：“病毒性肺炎在病灶的表现上，其实有一些相似的地方。针对每个病例，人工智能辅助诊断系统会计算出病例为正常、新冠肺炎、其他病毒性肺炎、细菌性肺炎的概率，而且会指出它可能存在病灶所在的 CT 层的编号。”
影像阅片速度显着提升的背后，依靠的最强大脑就是科研团队夜以继日研发的算法模型，人工智能的准确精度依赖于大量数据的深度学习，而在此次疫情中能够获取的新冠肺炎影像数据其实相对较少，为了突破小样本学习的技术难题，团队也想了不少办法。
复旦大学计算机科学技术学院研究员冯瑞老师接受采访时说：“去年，国家科技部和上海市在启动国家新一代人工智能创新发展试验区建设时，布局支持 “小样本学习” 前瞻性研究，我们团队率先承担了该项工作，系统开展了产学研医的交流，研究成果在本次疫情中发挥了重要作用。比如我们利用对抗学习网络生成更多的样本数据，来解决样本量不足的问题；利用迁移学习网络，将利用其它海量数据中学习的模型迁移解决少样本数据问题；利用自学习思想，用图像一部分数据来预测另外一部分数据；设计图学习神经网络找出不同新冠肺炎图像之间的数据关系等等，这些方法都在解决样本不足的问题上发挥了重要作用。”
要让研发成果在短时间内成功落地，只靠学校科研团队是不够的，还需要医院、企业等多方携手，从辨识病灶到数据标注，公共卫生临床中心的医生团队，为研究注入来自临床的实战力量。
上海公共卫生临床中心放射科主任单飞医生在接受采访时说：“因为他们主要是计算机和人工智能背景的，可能对医学方面的一些术语的理解或者定义可能不是特别了解，那就需要我们双方有比较好的沟通和交流，然后我们要掌握他们的语言，他们也要掌握我们的语言。所以我们说出去的话，他要能听得懂，他们说出来的话，我们要能很好的理解。”
从硬件提供到软件调试，联影医疗的工作人员，为运行提供来自企业的技术支持。上海联影医疗科技有限公司缪宏高级副总裁接受采访时说：“这次是一个实战项目，时间紧任务重，但我们三方也是紧密合作，分头行动，发挥各自独特的优势。”
产学研医的紧密结合，以及 20 余位科研人员的远程互联，最终取得了令人欣喜的初步成果：系统对新冠肺炎类型诊断的假阴性在 7% 左右，作为比较，核酸检测的假阴性则高达 30%~50%。
虽然有了这一诊断神器，但科研团队也表示，当遇到机器未曾学习过的微小病变或疑难病例时，依然需要专业医生的经验智慧。而在做好辅助之外，项目后续还将在肺炎疾病的诊断与治疗上持续发力。
薛向阳老师说：“在病程的预测上面，病人病情会怎么变化；以及预后的效果方面，还可以做一些预测。”
单飞医生说：“把这个系统再扩展到肺的多种病变，其他的感染性病变的鉴别诊断，都是可以继续研究的。”
上海教育电视台记者孙遥报道。
供稿：蒋龙泉
