时至今日，新冠疫情仍然在全球肆虐。

虽然中国的疫情已经得到有效遏制，但中国的医务工作者仍在对新冠肺炎（COVID-19）进行持续深入研究，希望为全球疫情应对提供帮助。尤其是大规模、多中心的回顾性研究，对我们进一步认识病毒，更好地诊断和治疗，乃至预防疫情二次爆发都具有重要价值。

华中科技大学同济医学院附属同济医院（简称武汉同济医院）曾地处疫情中心，不仅拥有三个院区接诊患者，还接管了武汉光谷方舱医院，在武汉疫情阻击战中扮演了重要角色。整个过程中，同济医院的医生也在不断应用实战积累的数据，深入探索新冠肺炎。

9月23日，一篇由武汉同济医院等国内多家战疫一线医院联合完成的针对新冠肺炎（COVID-19）多中心回顾性研究在全球顶级医学期刊《柳叶刀》新刊The Lancet Digital Health发表。该论文研究了从新冠肺炎诊断、临床分诊效率、病情监控、轻症及无症状感染者等多个角度系统研究了深度学习模型的价值和作用，为全球疫情应对提供了重要参考。

该论文由武汉同济医院、武汉科技大学附属天佑医院、咸宁市中心医院、中南大学湘雅二医院、深圳市第三人民医院等国内多家在抗击疫情过程中扮演重要角色的医院与推想科技联合完成，武汉同济、推想科技、湘雅二院为共同第一作者，武汉同济医院院长王伟为通讯作者。这也是国内鲜有的基于深度学习模型的COVID-19大规模多中心临床研究，进一步验证了深度学习模型在新冠疫情中的价值和作用。

该研究提出了一种基于CT影像分诊疑似新冠肺炎患者，并可以自动定量分析确诊患者病灶的深度学习模型。该模型采用U-Net深度学习算法，可同时实现疑似新冠患者分诊和确诊患者病程分析两个研究目标。

研究团队首先收集了2447例胸部CT影像（1647例为RT-PCR确诊阳性，800例为RT-PCR确诊阴性）用于模型训练，639例胸部CT影像（439例为RT-PCR确诊阳性，200例为RT-PCR确诊阴性）用于模型内部验证。模型在内部验证集上的AUC，灵敏度和特异度分别为0.985 (95% CI 0.982–0.989)，0.973 (0.966–0.980)，和0.850 (0.827–0.875)。

其次，研究团队分别从武汉科技大学附属天佑医院（武汉，发病率约0.566%），咸宁市中心医院（咸宁，发病率约0.034%）和中南大学湘雅二医院（长沙，发病率约0.003%）连续收集了1097，820和203套发热门诊患者的胸部CT影像作为外部验证集。以患者CT影像报告为参考标准，模型的AUC，灵敏度，特异度，PPV和NPV分别为0.953 (0.949–0.959)，0.923 ( 0.914–0.932)，0.851 (0.842–0.860)，0.790 (0.777–0.803),和0.948 (0.941–0.954)。

此外，研究团队还模拟将AI应用于临床流程中，以探究其分诊效率。模型直接将影像学结果提示给高年资医师或临床医师可大大缩短得出阳性患者影像学报告所需时间（p<0.0001）。模型将结果报告给高年资医师和临床医师可减少的时间中位数和四分位距分别为15.73（11.05-25.25）和22.62（15.12-38.63）分钟。

为验证模型针对轻症乃至无症状患者的表现，研究团队额外收集了761例来自方舱的轻症或无症状患者的胸部CT影像，其中618（81%）位患者有新冠相关的影像学表现，模型的灵敏度为0.886 (0.873–0.898)。研究还收集了686例疫情爆发前天佑医院和深圳市第三人民医院的胸部CT影像用以验证模型在非新冠混淆病例上的表现，模型的特异度为0.822 (0.808-0.836)。

该研究收集了多个来自真实临床场景的数据集用以验证模型在新冠肺炎疑似患者分诊和病灶分析方面的表现。研究结果显示，模型具有较好的鲁棒性，在多个数据集中表现稳定。此外，研究团队将深度学习模型融入传统临床流程以加速疑似患者的分诊，其自动病灶分析功能对新冠肺炎患者的病情监控和管理均具有重要意义。

最后，研究还探究了模型基于CT影像评估病情进展的表现，以三位影像科专家的评估结果作为参考标准，模型的灵敏度和特异度分别为0.962（0.947-1.000）和0.875（0.833-0.923），且模型结果与参考标准有较高的一致性（Kappa为0.839,95%CI 0.718-0.940）。