新冠肺炎疫情持续蔓延全球，累计死亡人数超过20万。导致死亡人数攀升的一个重要原因就是轻症患者（轻型或普通型）突发的快速恶化，尤其在疫情高峰期间，重症患者的增多进一步加剧重症监护室、医护人员等医疗资源的短缺，造成死亡人数进一步攀升，疫情早期局部地区重症患者死亡率一度突破60%。因此，如何准确的早期预测患者是否将进展为重症，成为临床工作者面临的一大考验。

近日，上海大学通信与信息工程学院张麒副教授、上海市公共卫生临床中心施裕新教授、上海市医疗图像与医学知识图谱人工智能重点实验室(依图医疗承建)石磊博士等组成交叉学科联合科研课题组，在生物医学1区杂志《Theranostics》(IF: 8.063)就这一问题发表了突破性成果，首次采用CT影像的人工智能(AI)建模对新冠患者的重症化进行预测。我校张麒副教授等为本文并列第一作者,传染病放射学专家施裕新教授及影像AI专家石磊博士为共同通讯作者。

此前国内外所进行的大量“AI+新冠肺炎”的相关研究中，绝大部分科研成果均聚焦于病情当前状况的评估（如病灶检出、诊断、分型、严重程度评价等），但对于重症风险的预测难题，一直未能有所突破。此论文的最新研究成果有望改变这一局面。该项目为回顾性队列研究，利用AI技术提取三个定量CT特征，对轻症患者转重症的风险系数进行定量评估，性能表现优异。

研究中，联合科研课题组针对上海市公共卫生临床中心确诊的134位COVID-19患者，使用全卷积神经网络AI算法自动计算肺炎病变的三个定量CT特征，包括磨玻璃病变体积占比（PGV），实性病变体积占比（PCV），以及磨玻璃-实性过渡密度区病变体积占比（PSV）。

研究发现，入院日(D0)与入院4天后(D4)的CT特征以及从D0至D4的CT特征变化量均具有预测能力，预测未来是否进展为重症的接受者操作特性曲线下面积(AUC)达到0.93，95％置信区间(CI) 0.87-0.99, Cox比例风险模型一致性指数(C-index)= 0.88，95％CI，0.81~0.95。PGV和PCV的风险比分别为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技术得到的CT定量特征优于APACHE-II临床评分，中淋比和D-二聚体等临床指标。

新冠肺炎重症患者死亡率高，及早发现可能轻症转重症的患者并采取干预措施非常重要。该研究通过AI技术得到的肺炎病变CT量化特征可以早期且无创地预测疾病进展，为COVID-19的临床管理提供了有益的预后指标，对于中国乃至全球的新冠肺炎防治都具有一定的参考意义。