澳門大學科技學院王百鍵教授及機電工程系博士生晏濤成功研發用於區分新型冠狀病毒肺炎和其他常見肺炎的智能自動診斷系統，診斷速度比醫生快將近60倍，為肺炎檢測帶來新的可行方案。該研究論文《運用多尺度卷積神經網絡從胸部電腦斷層掃描圖像中自動區分新型冠狀病毒肺炎和普通肺炎》（Automatic Distinction between COVID-19 and Common Pneumonia using Multi-Scale Convolutional Neural Network on Chest CT Scans）獲國際科學期刊Chaos, Solitons & Fractals發表。

研究團隊開發的系統為一種基於多尺度卷積神經網絡的自動診斷系統。王百鍵教授及晏濤於疫情初期便與湖北省襄陽市中心醫院放射科副主任王江濤、醫師任浩、襄陽市第一人民醫院放射科副主任李陽以及普外科主治醫師王華僑合作研究，取得了這兩間醫院的206個核酸檢測為陽性的個案及其416組胸部電腦斷層掃描圖像，和412組沒有新型冠狀病毒但只有普通肺炎的胸部電腦斷層掃描（CT）圖像。

基於這些CT圖像，研究團隊研發出基於多尺度卷積神經網絡的自動診斷系統，驗證結果表明，在有限數量的訓練數據下，該智能診斷系統能成功區分新型冠狀病毒肺炎和其他常見的肺炎，其診斷能力與經驗豐富的放射科醫生相當，但診斷速度卻比醫生快將近60倍。

研究團隊還進一步拓展該系統的功能，目前開發的多類肺炎診斷算法及新冠肺炎嚴重性預測算法已接近完成。待這些功能完善後，該智能系統將可具有區分正常肺部與五種常見肺炎、及對新冠肺炎患者進行嚴重性預測的能力。

新冠病毒肺炎一般通過深喉唾液核酸測試來檢測，但核酸測試也存在不少缺點，如供應不足，費時且假陰性率高等問題，可能導致患者無法及時診斷，更可能導致病毒擴散。

目前，眾多專家已建議使用CT來診斷可疑病例，因為即使在發病初期，也可以透過CT來檢測。CT診斷準確性高且可以提供與治理有關的詳盡資訊，但CT圖像則需要人手識別其特徵，加上患者眾多及每位患者的多次CT掃描皆產生了大量的CT圖像（每次掃描平均產生過百片圖像），這對身處疫情嚴峻地區的放射科醫生來說是一個重大挑戰。澳大研究團隊的成果有助提高診斷速度，為肺炎檢測帶來新的可行方案。