广东省精准医学应用学会理事单位

2月25日，中山大学国家超级计算广州中心等发表了论文“Deep learning Enables Accurate Diagnosis of Novel Coronavirus (COVID- 19) with CT images”。研究收集了来自中国两个省份医院的88例COVID-19确诊患者，101例细菌性肺炎患者以及86例健康人的胸部CT扫描结果，通过比较和建模，开发了基于深度学习的CT诊断系统(DeepPneumonia)，可有效提高新冠病毒肺炎的筛查能力，识别COVID-19患者。

研究结果表明，该模型有良好的临床测试精度，可以从其他人中准确地识别出COVID-19患者，AUC为0.99，敏感性为0.93。此外，该模型区分COVID-19患者和肺炎患者的AUC为0.95，敏感性为 0.96。

文章还指出，该模型可以定位主要病变特征，尤其是肺部磨玻璃样阴影(GGO)，对协助医生进行诊断非常有帮助。研究团队提供了一个线上服务，可通过CT图像进行在线诊断(点击进入在线诊断系统)，30秒内完成，且在“天河二号”超级计算机上可以并行，同时进行数千个诊断。