人工智能（AI）算法能够将大多数放射性肺炎患者归为急性呼吸综合征冠状病毒2（SARS-CoV-2）的低风险类别，以帮助区分这些综合征。年欧洲肺癌虚拟大会（3月25日至27日）。

意大利罗马校园生物医学大学放射肿瘤学的SaraRamella强调了区别SARS-CoV-2相关性严重间质性肺炎和放射性肺炎的重要性，这两种疾病表现出相似且重叠的临床特征。Ramella教授及其同事进行了这项研究，以确定深度学习算法是否可以帮助确定COVID-19肺炎引起的放射性肺炎。

该研究分析了34例COVID-19肺炎患者和36例放射性肺炎患者的数据和CT图像。InferReadTMCTLung（COVID-19）?是一种基于新型深度卷积神经网络结构的人工智能算法，用于分析患者的CT图像。根据最近的一份出版物，确定了COVID-19确诊患者的百分比，高于该临界值，其估计的COVID-19风险概率的临界值设定为高于30％，并被分类为COVID-19高风险。高于95％。使用同一出版物中的临界值集，将低于30％的估计风险概率值分类为COVID-19低风险。

统计分析包括使用p0.05的显着性阈值进行的MannWhitneyU检验，以及通过使用双正态模型的最大似然拟合进行拟合的接收器工作特征（ROC）曲线。

该算法有助于对与辐射和COVID-19相关的肺炎的鉴别诊断

根据该算法，有66.7％的放射性肺炎患者被分类为COVID-19低风险，所有被分类为COVID-19高风险的放射性肺炎患者均≥3级疾病。

该算法在检测COVID-19肺炎以外的放射性肺炎中显示出良好的准确性，灵敏度为97％，特异性为2％（曲线下面积[AUC]0.72）。使用30％的截止值可将准确度提高到76％的灵敏度和63％的特异性（AUC0.84）。研究人员还发现，与放射性肺炎患者相比，COVID-19组增加了总肺体积（p=0.），左下叶（p0.）和右下叶（p0.）。

结论

作者说，深度学习算法可以帮助区分放射性肺炎和COVID-19肺炎，并且能够将大多数放射性肺炎归为低危COVID19。他们建议，在接受放射治疗的患者被归类为高危患者的情况下，应考虑剂量因素。

他们还建议，如果经放射疗法治疗且患有弥漫性肺炎的患者被AI归类为COVID-19高风险，则剂量学因素的组合可能有助于识别放射性肺炎，例如将阳性预测值从60升高％至99.8％。

文章翻译自：