

▲图为Stuart Grieve教授,其身后是COVID-19中度患者的CT影像。Grieve教授参与开发了一款能培训医生通过扫描影像诊断疾病的工具。来源:JACKY GHOSSEIN
近日,悉尼科学家研发出一款能帮助一线医生快速识别新冠肺炎(COVID-19)患者的诊断工具。
这款免费线上程序能培训医生通过患者的肺部CT影像识别COVID-19病况。
悉尼大学的医疗放射科学家帕特里·克布伦南(Patrick Brennan)教授表示,在医疗人员中推广这款名为CovED的工具将拯救“万千人的生命”。
“借助这款工具,世界各地的临床医师和专业医疗人员能比之前更高效地诊断和识别疾病,”他说。
克布伦南教授是该款工具的研发公司DetectED-X的总裁。他表示,目前广泛使用的检测方法只能让医生了解病人是否感染COVID-19,而肺部CT影像则能让医生看到每个患者的病情轻重。

▲无感染患者的肺部CT影像。DETECTED-X供图
“一旦你掌握了这些信息,就能对患者进行有效分流,对症下药,拯救生命,”克布伦南教授说。
悉尼大学的主要放射科研人员及CovED的共同开发者斯图尔特·格里夫(Stuart Grieve)教授指出,COVID-19患者的肺部扫描影像中有三个主要特征。
如果患者有明确的感染风险史,那么其 COVID-19 早期感染的初步特征为“毛玻璃样征”,此时肺部中通常为黑色的部分看起来“像结霜的玻璃一样”。
第二个特征被称为“碎石路征”,因为格里夫教授说这一肺部特征看起来“确实如此” 肺部出现外观颜色比周围区域较白的斑块,这表明病情进一步加重。

▲COVID-19重症患者的肺部CT影像。DETECTED-X供图
第三个特征为“肺实变”,这时患者肺部充满了粘液并呈白色,空气无法进入该区域,格里夫教授说。
然而,格里夫教授表示,只有专业的肺部放射科医生能解析肺部CT影像,但他们人数有限,所以CovED这款工具对于急诊部门和重症监护室的医生等所有一线医生而言,都是非常有用的。
“疫情至此,所有人都鏖战前线,我们人手不够,所以大家必须替补上阵完成各种任务,”他说。
他表示,该培训工具还能帮助医生提升治疗水平,因为医生能借此发现其它阻碍患者康复的肺部疾病。
“这样的话,我们就可以开始让患者进入重症监护室,对其采取有效的治疗手段,”他说。
CovED培训工具是基于DetectED-X的乳腺癌筛查工具而开发的。据克布伦南教授介绍,这种DetectED-X的乳腺癌筛查工具已取得实证成果。
悉尼大学正与联邦卫生部长格雷格·亨特(Greg Hunt)进行商谈,希望在澳大利亚全国推广CovED。
不仅如此,克布伦南教授还希望在GE医疗和亚马逊公司的帮助下将该工具“尽可能地向全世界推广”。
来源:https://www.theage.com.au/
相关阅读



