由于新冠肺炎影像学表现明显，且易于获得，CT、X光等医学影像设备在本次疫情中发挥了重要作用。时至今日，全球各大医院已经积累了数量丰富的COVID-19 CT影像数据。
相关的回顾性研究也在不断进行之中，许多人工智能企业已经开发出具备一定解释性的算法，能够通过识别影像判断患者罹患新冠肺炎的概率，甚至可以给出左右算法判断的影像区域，这些研究一定程度上推动了新冠肺炎的预防与治疗。
但是，不良临床结局与哪些因素相关仍不清晰。若患者已被确认感染COVID-19，从众多观察指标中，医生又该如何作出后续治疗的决策？
近日，一篇探究肺炎成分、数量、分布和不利临床结局之间关系的论文《Multiter cohort study demonstrates more solidation in upper lungs on initial creases the risk of adverse e in COVID-19 patients》被国际顶级期刊《Theranostics》（影响因子8.063）收录，该论文由东南大学附属中大医院放射科居胜红主任团队联合深睿研究院共同完成。
该论文采用深度学习标记COVID-19患者CT影像中的磨玻璃影与实变影，由此计算出各种定量指标，进而寻求这些数字与临床结局之间的关系。
结果显示，大龄患者、上肺部存在较多实变影的患者其临床不利结局的概率更高。因此，在治疗患者时，医护人员或许应该更加关注具有以上特征的患者，并以更快的速度采取治疗手段。
由于COVID-19重症患者病情发展非常快，在《The La》的一篇回顾性研究中，61.5%的重症患者在28天内死亡。因此，对于新冠患者而言，如果我们能够通过患者的肺部影像提前预测其临床结局，进而进行相应干涉行为，这将极大提高COVID-19患者的生存率和预后。
论文通讯作者国家杰出青年基金获得者、国家“万人计划”科技创新领军人才、著名放射学家居胜红教授表示：“该研究对新冠患者病情发展结局给出具有科学依据的风险评估,对于后续治疗期间，医生的治疗方案制定、医疗资源的调配、高危病人治疗风险预警等方面，都具有非常大的临床意义。”
本次研究收集了江苏省内24家医院的625个经实验室检验证明的新冠肺炎阳性病患者，经过筛选，剔除了未进行CT检查以及18岁以下的患者，最终确立了一个n=421的样本。具体而言，该样本年龄中位数为48岁，男性占比53%，其中有64个病例存在临床复合终点（posite endpoint，包括入住ICU、急性呼吸衰竭、住院期间休克等情形）。
研究人员先将每个病例的CT影像通过深睿医疗的肺部疾病智能解决方案（新冠肺炎增强版）进行肺炎的检测和分割以及肺叶分割，随后将AI检测分割结果提交给高年资专家进行审阅。在这过程中，研究人员可以定量提取病灶的体积、密度和位置等特征。
随后，借助多元logistic回归Multivariable lression模型，研究人员可识别哪些变量是临床复合终点的危险因素。经过实验验证，年龄、上肺部有实变影体积和病变在下肺部靠近胸膜这三种情况均和临床终点相关，其中若患者存在更大的年龄、上肺部更多的实变影的情况，更有可能导致不利的临床结局。