北京邮电大学网络与交换技术国家重点实验室王光宇研究员联合国内外团队开展交叉合作，在人工智能医学前沿交叉领域取得了进展。在《自然-生物医学工程》（Nature Biomedical Engineering）2021年6月期的“机器学习与转化 (Machine learning in translation)”专题中，王光宇研究员作为第一和通讯作者，发表两篇相关研究论文，针对机器学习在健康医疗领域转化时面临的场景复杂多样、跨中心迁移性等挑战，提出了新型医学人工智能方法，实现重大突发性传染病及重大慢性病的疾病早筛、风险评估与动态管理。

图1 《自然-生物医学工程》同一期，刊发两篇来自王光宇研究员团队的医学人工智能交叉方向论文；其中一篇为当期封面论文。

　　围绕着大规模突发性传染病如新冠疫情下应急救治模式的智能化，王光宇研究员联合中山大学孙逸仙纪念医院林天歆教授、华西医院李为民教授等研究团队，构建了基于X-ray影像的跨人群、跨临床场景的智能化系统。系统可实现对肺部疾病的通用智能识别，并对新冠肺炎进行智能筛查、量化分析，及快速发展的危急重症作出高效预警。研究成果以“基于胸部X-ray的病毒性、非病毒性和COVID-19肺炎诊断和鉴别深度学习流程（A deep learning pipeline for the diagnosis and discrimination of viral, non-viral and COVID-19 pneumonia from chest X-ray images）” 为题，发表在《自然-生物医学工程》（Nature Biomedical Engineering）。论文链接：https://www.nature.com/articles/s41551-021-00704-1。此项基于胸部X-ray 图像的新冠病毒肺炎智能诊断和重症预测工作被选为当期的封面文章 (图1和2)。研究数据资料库以及算法代码发布到了国家生物信息中心云平台，对信息领域与医学深度融合解决国际社会新冠肺炎疫情的防控有很大推动作用。

图2 基于胸部X-ray的病毒性、非病毒性和COVID-19肺炎诊断和鉴别深度学习流程示意图

　　慢性肾病和糖尿病属于慢性全身系统性疾病，如何有效防治是世界公共卫生的重大难题。眼底视网膜作为非侵入式地动态观察人体血管的部位，在微小血管病变的早期筛查中具有十分重要的意义。王光宇研究员与上海交通大学附属第一人民医院周永教授、四川大学华西医院张康教授、清华大学陈挺教授等研究团队开展交叉合作研究，基于眼底视网膜图像、医学文本等多中心、多维度的医疗大数据，提出了图像增强、集成学习及多模态临床信息融合分析方法，并研制了具有可解释性和泛化性的智能诊断系统。系统通过学习近12万张眼底视网膜图像，可以实现慢性肾病和糖尿病的疾病征象的早期识别，并可以量化估计肾小球滤过率和血糖值。同时，围绕着人工智能方法是否可以量化疾病结局的风险因素，采用持续随访5年的人群队列数据，通过融合深度学习与临床Cox生存分析算法，可以实现识别5年内会出现慢性肾病和糖尿病的患者，计算病人的风险系数及动态追踪病情进展（图3）。

　　研究成果以“从视网膜眼底图像中检测和预测慢性肾脏病和2型-糖尿病发病风险的深度学习模型（Deep-learning models for the detection and incidence prediction of chronic kidney disease and type 2 diabetes from retinal fundus images）”为题，发表在《自然-生物医学工程》。论文链接：https://www.nature.com/articles/s41551-021-00745-6。对此项工作，《自然-生物医学工程》期刊邀请了人工智能医学领域的著名团队谷歌(Google) 以“从视网膜眼底图像中检测和预测慢性肾脏病和2型-糖尿病 (Retinal detection of kidney disease and diabetes)”发表专文述评文章。

图3 从视网膜眼底图像中检测和预测慢性肾脏病和2型-糖尿病发病风险的深度学习模型示意图

　　作为支撑以上两项学术成果的“人工智能驱动的重大疾病动态画像新技术和远程高效防治系统”，实现了部署落地和医疗场景的应用，并入选为2021年乌镇·世界互联网大会的“世界互联网领先科技成果”。

附件下载：