『肺炎』深度学习判别新冠肺炎准确率达九成，《Radiology》收录研究成果( 三 ) |人工智能|算法|深度学习|

局限性与发展方向
肺部许多疾病的影像特征存在大量重叠，这些疾病取决于患者年龄、药物反应性、免疫状态、潜在疾病合并症等宿主因素，仅凭胸部CT的影像学表现，很难区分所有肺部疾病。
另外，本研究目前仅对COVID-19进行了分类预测，尚未对感染程度进行分类。科亚医疗表示：“接下来我们将尝试将试验进一步细化，在预测COVID-19存在的同时，去预测患者感染的严重程度，以帮助医生进一步监测、治疗、管理患者。 ”
科亚医疗的研究具备足够的创新性，其临床应用将在提高基于CT图像诊断新冠肺炎准确度的同时，帮助临床医生及早确诊感染患者，大幅提升一线医生诊断效率，优化新冠肺炎筛查流程，实现高效精准筛查、降低医生工作强度，合理分配医疗资源的作用。
正如一位医生所说：“影像科的医生偏好于给予‘占位性病变’的判断，而很少诊断为肺炎。但对于患者而言，占位性病变的内容太过宽泛，他们需要更为精确的判断，这种判断现在很少来源于影像科。如今，很多人工智能都在处理数据做定量分析，但这些工作并非人工智能的专长——常规数据处理软件也能收集挖掘数据。所以， AI要想发挥出真正的价值，需要借助于定量的数据给出定性的判断结果。 ”
科亚医疗在探索未知的AI潜力中走出了珍贵的一步，影像科到底能够发挥怎样的作用，还需AI公司进一步用深度学习探索像素之中的未知，答案或许便隐藏在点与点之中。