在针对新冠肺炎的诊断方式中，会因为医师读取CT片出现偏差、各类病毒性肺炎影像过于相似等原因，发生各种难以鉴别、出现“漏网之鱼”的情况。在疫情防控常态化形势之下，如何更加精准地检测？近期，南京医科大学俞婷婷博士团队和江苏省疾病预防控制中心徐酩博士团队合作开发的依托人工智能的“COVID-19多模态AI辅助诊断软件”，有望较好地解决这样的问题。
　　怎样使“漏网之鱼”不再漏网？以新冠肺炎的确诊指标为例，除了核酸检测，临床上还通常依靠CT、X光片等影像学资料、抽血化验等检验学资料、有无咳嗽发热等体征观察进行综合分析，并结合流行病学史作出诊断。而该团队发明的AI辅助诊断软件，能够将上述这些不同形式信息的临床检测结果资料，全部整合入检测平台，用人工智能进行分析判定。如此一来，对患者的分析就可以更加快速、全面、准确。
　　俞婷婷介绍，我们人类的大脑通过接收听觉、视觉、嗅觉、味觉、触觉等各种感觉的多信息输入，从而形成对某一事物的真实、全面的判断，医生对疾病的判断也是如此。这一诊断辅助软件正是模拟了人脑的工作流程，而且相比人脑，它的存储更加海量、效率更加高效、判断更加精准。
　　人工智能可以“看”得更深更细。以早期的新冠肺炎和其他病毒性肺炎为例，它们的肺部感染CT影像就非常相似，而人眼精度有限，难以辨别。但人工智能可以发现微小到像素级别的不同，并把它们提取出来，再结合检验学指标、临床资料等作出判断。因此，在区分新冠和其他病毒性肺炎、细菌性肺炎方面，多模态AI辅助诊断软件的准确率可达97.31%。
　　从早期新冠病毒到“德尔塔”毒株，“漏网之鱼”逐渐变得更加隐蔽狡猾。但“魔高一尺道高一丈”，病毒在变异，团队研发的系统也在不断学习，且十分迅速，一周可以读取上千张片子。把握不同病毒株引起的不同临床表现，让它再狡猾也逃不出手掌心。
　　感染新冠病毒的患者中，有些人症状轻微，甚至没有症状，有些人却发展成危重症，因此对于病情趋势的准确预测，有助于医生在诊治中抢占“主动权”。团队研发的软件，可以根据“学习到的知识”，对患者的各项检查数据进行汇总分析比较，做出有效的新冠轻重症预测。联合临床与实验室结果，预测准确率也可达97%，有望实现新冠轻重症的早期预测与早期预警。
　　如此智能的软件只能用于新冠肺炎诊断吗？不，新冠项目是该团队肺部疾病识别与诊断项目的一个起点。疫情之下大量病例的学习让系统有了前期的学习基础，后续它能够在诊断尘肺、肺结核等20余个肺部疾病项目中“触类旁通”，好比会拉二胡的人，学拉小提琴就比常人容易些。完成了“学习”，便如同搭建起一个“自动感应门”，各类肺部疾病患者的资料经过这道“感应门”，就能迅速获得诊断结果，继而对症下药。
　　随着医学技术的持续发展，医生对疾病的认知判断可能会改变，诊断的方法也可能有所补充。届时这款软件还适用吗？俞婷婷介绍：“系统可以像乐高积木一样自由拆卸和搭建，出现新的诊断手段和指标、针对不同疾病、根据不同需要，把相应的模块加入这个大平台中就可以。”
　　目前，新冠肺炎多模态AI辅助诊断软件已在部分医院试点应用，在诊断、排查新冠肺炎患者上发挥了有效作用；尘肺病多模态AI辅助诊断软件也在试点应用并收获好评。团队成员表示，国内目前将多模态学习与医学相结合的经验相对匮乏，对AI诊断标准的制定也尚待完善。未来进一步的推广应用中，团队将会持续关注AI诊断标准的制定，争取发挥出更大的社会效益。