湖南日报11月17日讯（全媒体记者 周阳乐 通讯员 郭三元 段美珍）冬季是流感病毒高发季节，医院发热门诊如何早期有效地从大量发热患者中发现并诊断新冠肺炎？记者今天从中南大学湘雅二医院获悉，该院放射科主任刘军教授带领团队借助影像组学及深度学习的方法，研发了高效、高准确率的新冠肺炎智能诊断模型，可用于临床辅助诊断，提高诊断效率，并已通过省科技厅验收。

　　据悉，2020年新冠肺炎疫情暴发以来，省科技厅联合省财政厅迅速发布抗击新冠肺炎疫情应急专题，采取特事特办的方式立项52项，刘军团队“基于深度学习的新型冠状病毒肺炎智能快速诊断及临床决策辅助系统的研究”申请到项目，并取得丰硕成果，已顺利通过验收。

　　在项目实施一年期间，他们奔赴武汉等抗疫前线，通过深度学习数据处理技术训练CT图像以及临床数据，建立了3个新冠肺炎严重程度分级人工智能模型及3个鉴别诊断人工智能模型，能帮助临床医生快速筛查可疑患者，进而达到早筛查、早隔离、早诊断、早治疗的目标。

　　刘军介绍，在他们开展的一项大规模多中心研究中，纳入了武汉的2447例新冠肺炎患者和800例非新冠肺炎患者的肺部CT图像作为训练集，纳入了分别来自高、中、低风险地区发热门诊的共2120例患者肺部CT图像以及722例方舱医院接诊的新冠肺炎患者肺部CT图像作为外部验证集，开发了一个基于U网络的人工智能模型进行新冠肺炎的自动诊断，并在一个包含了100例新冠肺炎患者肺部CT图像的数据集上，将该模型的检验效能与影像科医生的判别结果进行比较。

　　“智能诊断模型报告1例阳性病例的平均时间是0.55分钟。与之相比，放射科医生完成1例阳性病例初阅并完成报告的平均时间是16.21分钟，进行报告审核和签发的平均时间是23.16分钟。并且，智能诊断模型的评判结果与放射科医生的评判结果具有很好的一致性。可见，该模型能快速、有效地进行新冠肺炎患者的甄别，有望在发热门诊大规模使用，帮助快速发现可疑患者，减少人群聚集时间。”刘军表示，新冠肺炎智能诊断模型的构建，极大程度提高了放射科医生的工作效率，并且能够提升不同类型肺炎鉴别的准确度，有望为未来重大公共事件的应对提供新的解决方案。