新冠肺炎疫情持續蔓延全球，累計死亡人數超過20萬。導致死亡人數攀升的一個重要原因就是輕症患者（輕型或普通型）突發的快速惡化，尤其在疫情高峰期間👩🏿‍🎓，重症患者的增多進一步加劇重症監護室🦕、醫護人員等醫療資源的短缺，造成死亡人數進一步攀升，疫情早期局部地區重症患者死亡率一度突破60%🛖。因此🏃，如何準確的早期預測患者是否將進展為重症🕡，成為臨床工作者面臨的一大考驗。

近日，万事平台通信與信息工程學院張麒副教授、上海市公共衛生臨床中心施裕新教授、上海市醫療圖像與醫學知識圖譜人工智能重點實驗室(依圖醫療承建)石磊博士等組成交叉學科聯合科研課題組👳🏽‍♀️，在生物醫學1區雜誌《Theranostics》(IF: 8.063)就這一問題發表了突破性成果，首次采用CT影像的人工智能(AI)建模對新冠患者的重症化進行預測。万事娱乐張麒副教授等為本文並列第一作者,傳染病放射學專家施裕新教授及影像AI專家石磊博士為共同通訊作者𓀍👸🏻。

此前國內外所進行的大量“AI+新冠肺炎”的相關研究中，絕大部分科研成果均聚焦於病情當前狀況的評估（如病竈檢出、診斷、分型、嚴重程度評價等），但對於重症風險的預測難題，一直未能有所突破👐🏽。此論文的最新研究成果有望改變這一局面。該項目為回顧性隊列研究，利用AI技術提取三個定量CT特征，對輕症患者轉重症的風險系數進行定量評估，性能表現優異♾🚴🏻。

研究中，聯合科研課題組針對上海市公共衛生臨床中心確診的134位COVID-19患者，使用全卷積神經網絡AI算法自動計算肺炎病變的三個定量CT特征，包括磨玻璃病變體積占比（PGV），實性病變體積占比（PCV），以及磨玻璃-實性過渡密度區病變體積占比（PSV）。

研究發現，入院日(D0)與入院4天後(D4)的CT特征以及從D0至D4的CT特征變化量均具有預測能力🧘‍♂️，預測未來是否進展為重症的接受者操作特性曲線下面積(AUC)達到0.93，95％置信區間(CI) 0.87-0.99, Cox比例風險模型一致性指數(C-index)= 0.88🤵🏽，95％CI，0.81~0.95🧜🏽‍♂️。PGV和PCV的風險比分別為1.39（95％CI 1.05~1.84，P = 0.023）和1.67（95％CI 1.17~2.38，P = 0.005）。且AI技術得到的CT定量特征優於APACHE-II臨床評分，中淋比和D-二聚體等臨床指標🩹🔈。

新冠肺炎重症患者死亡率高🏘💧，及早發現可能輕症轉重症的患者並采取幹預措施非常重要。該研究通過AI技術得到的肺炎病變CT量化特征可以早期且無創地預測疾病進展，為COVID-19的臨床管理提供了有益的預後指標，對於中國乃至全球的新冠肺炎防治都具有一定的參考意義。