香港中文大學工程學院計算機科學與工程學系教授竇琪與王平安，和醫學院影像及介入放射學系助理教授蘇宛彤與系主任余俊豪所帶領的跨學科研究團隊，聯合開發了一個人工智能系統，可快速和準確地自動檢測胸部CT影像上的新冠肺炎感染病灶。

    計算機科學與工程學系教授竇琪表示，研究團隊利用內地和歐洲多個外部數據集對訓練後的人工智能系統進行驗證，研究並展現在新冠肺炎全球爆發中，快速開發高效可靠的人工智能模型以建立大規模醫療數據集的潛力，還保護了病人私隱。

    計算機科學與工程學系教授王平安指，新型人工智能系統利用聯邦學習技術，可在保護病人私隱情況下有效聯合香港多個臨床中心的數據來進行模型開發，而這種多中心協作訓練的學習模式對於偵測各種數據分布之差異、提高模型可靠性，進而在複雜實際臨床應用中充分發揮人工智能效能至關重要。

    醫學院影像及介入放射學系助理教授蘇宛彤提到，人工智能系統具有速度優勢，因醫生檢查一個胸部電腦斷層掃描通常需要5至10分鐘，而人工智能僅在百分之四秒內即可準確評估整個三維胸部電腦斷層掃描影像，故人工智能一旦應用可大幅度提高臨床診斷效率。

    醫學院影像及介入放射學系系主任余俊豪指，建基於病人私隱保護的機器學習是讓數字醫療技術迅速迎戰全球公共衞生危機的重要推動力，而是次研究以新冠肺炎為研究目標，表明跨學科融合多地域合作是人工智能克服複雜真實場景解決實際臨床需求之關鍵所在；研究團隊相信安全可靠通用的醫學圖像智能分析技術是實現智慧醫院的重要一環，它將為香港以至全球革新醫療服務，增強衞生危機應對能力提供保障。

    團隊表示，放射科醫生在新冠肺炎臨床診斷中可透過醫學影像有效定量評估疾病嚴重程度和觀察病情進展及恢復情況，但激增之醫學影像檢查使放射科醫生面臨挑戰，故人工智能診斷系統對新冠肺炎病人的診斷和管理有很大輔助作用，它可準確迅速地從胸部電腦斷層掃描影像中自動檢測新冠肺炎病變，為臨床醫生提供即時可靠診斷結果。研究團隊建立的人工智能模型已在內地和德國多個數據中心進行獨立外部驗證，結果顯示人工智能模型在香港及其他地區新冠肺炎患者的胸部電腦斷層掃描影像上都具有優異病變檢測性能。

    該研究已發表在Nature旗下綜合期刊npj Digital Medicine。

  （圖片說明：圖為中文大學工程學院計算機科學與工程學系博士生劉權德、助理教授竇琪、醫學院影像及介入放射學系助理教授蘇宛彤及系主任余俊豪。）