4月25日，《自然》子刊《NPJ数字医学》（NPJ Digital Medicine）发表了我国学者的一项研究成果——基于人工智能图像分析技术的新冠肺炎快速风险分层系统。这项研究能在救治新冠肺炎患者方面实现优化医疗资源调度、及时介入治疗，减少不良结局发生率，从而挽救更多生命。
这项将人工智能技术运用于新冠肺炎诊断的研究成果由解放军东部战区总医院放射诊断科卢光明、张龙江教授，联合斯坦福生物医学信息研究中心、深睿医疗等机构联合完成。“精准预测新冠肺炎患者病情进展并实现快速分诊，是此项研究成果的重要价值。”卢光明表示，他们从医学影像、临床资料、实验室检查等诸多维度入手，通过人工智能机器学习模型筛选出新冠肺炎不良进展的危险因素，精准识别28天内可能需要重症监护、机械通气，甚至发生死亡的危险患者，同时预测这些高危患者从入院至出现各种不良结局的具体天数。
世界卫生组织数据显示，截至2021年4月25日，全球累计新冠肺炎感染患者达到1.46亿人，其中超过300万死亡病例。新冠病毒持续暴发吞没全球医疗资源，尤其造成重症监护病房（ICU）超负荷和机械通气（呼吸机）短缺，导致医疗挤兑。因此，准确识别高风险患者并预测不良结局的发生时间，对优化医疗资源分配和临床分层诊疗具有重要意义。
据卢光明介绍，目前，重症监护病房和机械通气等支持性治疗资源的短缺是造成新冠肺炎病人死亡的主要因素。而当前临床常用急性生理和慢性健康评估Ⅱ评分、中性粒细胞/淋巴细胞比值（NLR）等实验室指标，以及以计算机断层扫描（CT）为主的影像学手段，来评估感染性肺炎患者的病情严重程度。“但这些评估手段主观性强、耗时长、不够全面，且无法对病情进展情况进行预测。”
“临床急需能预测患者病情进展情况的快速分诊方法，以判断需要ICU病房、呼吸机等医疗资源的病人数量及需要的具体时间，这也是优化并保障医疗资源供应、平衡疫区ICU负荷、实现及时救治的关键。”卢光明团队自2020年3月起，致力于创建全新的结合多种数据类型的综合评估手段，以预测患者病情进展情况及进展时间。
他们集中内地39家医院3522例新冠肺炎患者的数据建立人工智能模型，用人工智能软件处理并提取患者CT图像特征，结合血液检测实验室指标和临床资料，对患者在未来28天内是否会发展为重症并需要送入ICU进行预测，然后对可能出现重症的患者进行分层，预测他们是否会发生呼吸衰竭等需要机械通气的情况，以及是否会发生死亡。此外，模型还会预测高危病人发生每项关键事件的时间点，如：入院后多少天需要送入ICU或机械通气、入院后多少天会出现死亡。
“我们的系统预判准确率达到97.9%。”卢光明说，当患者呼吸系统情况恶化时，通常只有极为有限的时间来挽救生命，我们的研究通过全新的多类型数据融合实现了对患者病情发展的精准预判。
卢光明表示，可以利用预测结果来优化不同的医疗中心的资源分配，如提前调配医生、ICU病床或呼吸机去疫情严重的医院，或转运患者以平衡ICU负载。另外，在患者入院时即预测其对呼吸机的需求，可实现对高危患者更密切的监护和病情评估。
此外，新成果将对医疗资源需求与死亡的预测结果相结合，可以在资源极为短缺时，为最有可能受益的患者分配资源，“这有助于新冠肺炎流行期间的优先配给策略制定。”
