按照《新型冠状病毒肺炎诊疗方案（试行第五版修正版）》，湖北省增加了“临床诊断病例”分类，对疑似病例具有肺炎影像学特征者，确定为临床诊断病例，以便患者能及︻早按照确诊病例相关要求接受规范治疗，进一步提高救治成功率。因此，对患者的影像学分析在确定“临床诊断病例”上就具有极为重要的意义。

郭佑民教授

根据国家指南这一重要变化，西安交通大学第一附属医院影像学郭佑民团队，在前期承担国家卫健委重▃大行业专项《基于“数字肺”的呼吸系统疾病评价体系与诊断标准研究》基础上，针对新冠肺炎肺部影像学特点与医学成像技术公司合作，第一时间研发了新冠肺炎肺部感染辅助诊断系统，实现了对新冠肺炎感染者肺内病变部位快速检出、定量评价』病变范围和病变演变过程评估。

图为人工智能自动检测结果：红色勾画区域为新冠肺炎病变

据郭教授介绍，CT扫描是新冠肺炎诊断的重要环节，已成为确定“临床诊断病例”的重『要标准。但是在影像诊断过程中，每位患者的CT检查多达几百幅甚至上千幅图像，单靠影像诊断医师从庞杂的图∮像特征中筛选出新冠肺炎所具有的特征，不仅要求医师具备肺炎诊断与鉴别诊断的经验，还需要相当的观察时间，严重影响病例筛查的效率。

同一患者3次检查结◥果对比，红色区域为病变，相比较病变体积逐渐缩小，提示病情好转。

同一患者3次检查结〓果对比，红色区域范围增大，数目增多，提示病变◢进展，同时还能观测到病变密度的变化。

图为同一患者4次检查结果对比，图中红↑色区域体积逐渐增大，提示病情进展。

郭佑民教授团队，利用AI技术为新冠肺炎的影像诊断“赋能”。依托专家训练，人工智能结合传统的计算机视觉技术，对新冠肺炎患者肺部病变区域进行分割、计算，可以同时获取病变区域的体积、密度、磨玻璃成分等定量参数，尤其是对于患者随访的数据，可以实时进行图相∏配准，精准定位病灶位置、大小，方便比较病变的消长。

通过临床试验发现，该系统能够辅助临床医生对新冠肺炎进行快◆速诊断，并能提供智能诊断报告，适应阻断疫情扩散蔓延的公↙共卫生紧急应对要求，具有很好的临床应用效果。目前，该系统已在包括华中科技大学协和医院等多家医院部署。郭教授表示，为了鼎力支持抗“疫”一线，新冠肺炎辅助诊断系统将开放全国同▲行免费使用。