RT-PCR 常用於 COVID-19 檢測，但其敏感性（真陽性率）為 42% 至 71%。另一方面，使用 CT 圖像進行 COVID-19 測試的靈敏度高達 97%。由於日本人均擁有大量 CT 成像設備，因此可以預期利用 CT 圖像。 挑戰在於建立一種使用計算機客觀判斷肺部狀況的評估方法，以支持使用 CT 圖像進行診斷並量化判斷。

　在這個人工智能分析平台的開發過程中，我們開發了一種機器學習方法，從國家信息學研究所醫學大數據云平台上收集和積累的1億多張CT圖像中選擇肺炎CT圖像。該方法列出的肺炎CT圖像加上實際的PCR檢測結果和放射科醫師對COVID-6肺炎典型性的判斷結果，建立數據庫。通過這種方式，我們為 AI 準備了一個學習數據集，並將其開發為用於 COVID-19 肺炎研究的 AI 分析平台。

　名古屋大學的一個研究小組通過將 AI 應用於 COVID-19 肺部炎症病例的 CT 圖像數據庫，開發了一種高度準確的方法來確定 COVID-19 肺炎的典型性。這實現了 83.3% 的典型性判別性能。我們還開發了一種人工智能方法，可以在由於炎症等的影響而在 CT 圖像上難以識別肺部時準確估計肺部的形狀。

　該研究團隊旨在通過與其他研究團隊合作改進AI算法，進一步完善用於COVID-19肺炎研究的AI分析平台，並提高AI選擇和判斷的準確性。此外，據說它可以有效地處理未來的國家緊迫問題，例如 COVID-19 以外的未知傳染病。

參考：【國家信息研究所】開發新冠肺炎CT圖像AI分析平台——從全國醫院採集的CT圖像經過AI篩選，作為AI研究的高質量數據集進行維護——