新冠肺炎之人工智慧輔助診斷及治療
（柯佳忻／蔡居霖）人工智慧在臨床輔助的角色（臨床預測診斷或預後、或治療建議）其實很像藥物發展，根據其影響之程度也是概念上可分成一期，二期，及三期。一期的人工智慧大部分都是用回溯性資料來開發和驗證模型，二期的人工智慧根據已經發展之模型做前瞻式的驗證，三期人工智慧不但是前瞻，而且會搭配醫師看診而可能影響醫師之決策，進而影響病人臨床結果。
新冠肺炎也不例外，在 COVID-19 大流行期間，醫院急診是社區面對防疫的第一線，快速準確地檢傷分類是非常重要的。在檢傷如果可以用人工智慧輔助新冠肺炎的診斷，將有助於疑似病患的分流，感染控制，和保護醫護人員及其他急診病人。這方面已經有些研究使用臨床資料，有些是單獨使用胸部Ｘ光，有些綜合兩者診斷新冠肺炎。因為抗原快篩及核酸檢測都還是需要一點時間，所以這些診療現場 (POC, Point of Care) 的人工智慧輔助診斷有其存在的角色
國外與台灣都有利用人工智慧系統來輔助偵測胸部Ｘ光，發現疑似染疫並且提早示警，有助守住醫院防線。放射科醫師判讀各式影像，相當耗眼力與腦力，看久難免疲乏，使用人工智慧系統亦可分擔醫師判讀工作，除了加速偵測外，亦可減少錯誤，提升醫療效率及品質。
以下舉三個例子跟大家分享。前兩個例子是胸部X光診斷系統，最後一個例子是結合臨床資料預測臨床惡化的機率，如新冠肺炎演變成重症插管進加護病房等等。這三個例子都屬於第二期前瞻式驗證，目前尚無第三期的臨床試驗來證實這些臨床輔助系統在病人結果面是否有實際效用。臨床試驗在人工智慧輔助系統也有不同之研究設計，有些使用前後期比較，或者是同期平行之隨機分派實驗（黃金標準）。
(1) 在英國的研究團隊開發了一種人工智慧算法 叫 CovIx，他們使用 293,143 張胸部X光來區分正常、異常、非新冠之肺炎和 新冠肺炎。該演算法在 3,289 份 來自英國不同地方的X光片中進行了前瞻性驗證。CovIx 的接收者操作特徵曲線下面積為 0.86，靈敏度和 F1 分數分別高達 0.83 和 0.71，並與四名放射科專科醫生表現相當。這個演算法在識別具有 COVID-19 相關肺炎的X光表現優良。
(2) 在美國加州的研究者在部署了一種先前開發並經過驗證的深度學習演算法，用於輔助解釋胸部Ｘ光片之毛玻璃狀異常和浸潤。該演算法將胸部Ｘ光片與熱圖 (heat map) 疊加在一起，這些熱圖在診療現場 (POC) 即時呈現肺炎機率。他們並對醫師的易用性和對臨床決策的影響進行了即時調查。在急診研究期間， 演算法進行了1,855次分析。急診醫師回應了其中 202 張 X 光片的演算法經驗調查。總體而言，86% 的人強烈同意或有點同意演算法系統在他們的工作流程中易於使用。在受訪者中，20% 的人說該演算法系統影響了臨床決策。
(3) 在美國紐約的研究團隊使用人工智慧深度學習系統來做自動預測新冠肺炎惡化風險。他們提出了一種數據驅動的方法，使用深度神經網絡從胸部 X 光圖像學習，和從常規臨床變項中使用梯度增強模型來自動預測惡化風險。他們的預後系統使用來自 3,661 名病人的數據進行訓練，在預測 96 小時內惡化時，操作者操作特徵曲線下面積達到 0.786。深度神經網絡亦會顯示胸部 X 光圖像的信息區域，以幫助急診醫師解釋人工智慧模型結果，並在研究中與兩名放射科醫生表現不相上下。為了驗證真實臨床環境中的性能，他們亦默默地在紐約大學部署了深度神經網絡的初步版本，即時產生準確的預測。他們的研究結果證明了人工智慧系統在協助急診醫師分流 COVID-19 病人方面的潛力。
References:
1) Drozdov I et al. Development and prospective validation of COVID-19 chest X-ray screening model for patients attending emergency departments Multicenter Study. Sci Rep. 2021 Oct 14;11(1):20384.
2) Carlile M et al. Deployment of artificial intelligence for radiographic diagnosis of COVID-19 pneumonia in the emergency department. J Am Coll Emerg Physicians Open. 2020 Nov 5;1(6):1459-1464.
3) Shamout FE et al. An artificial intelligence system for predicting the deterioration of COVID-19 patients in the emergency department. NPJ Digit Med. 2021 May 12;4(1):80.