4月29日下午，“统计大讲堂”第一百一十六讲——COVID-19专题系列讲座第五讲顺利举行。本次讲座为线上讲座，近两百人通过腾讯会议及在线直播参与研讨。本次讲座以“基于患者CT影像纹理和临床特征构建COVID-19诊断模型”为主题，邀请首都医科大学公共卫生学院副院长郭秀花教授作为报告人，中国人民大学统计学院副院长李扬教授作为评论人。统计学院教授易丹辉、肖争艳，助理教授周静参加讲座。讲座由中国人民大学应用统计科学研究中心主任李静萍主持。
李静萍简要说明了本次讲座的注意事项，并介绍了报告人郭秀花与评论人李扬。郭秀花现任首都医科大学公共卫生学院副院长、流行病与卫生统计学系主任、临床流行病学北京市重点实验室主任，主要研究方向是健康医疗大数据建模与统计推断。李扬是中国人民大学统计学院副院长、统计咨询研究中心主任，主要从事相关型数据分析、模型选择与不确定性评价、潜变量建模、临床实验设计等领域研究。
郭秀花首先说明了本次新冠肺炎疫情波及范围之广，并将其与百年间的其他疫情做了对比。她指出了疫情初期所依赖的SARS-CoV-2特异性核酸检测诊断的局限性，并介绍了较为有效的基于患者CT影像纹理和临床特征构建的COVID-19诊断模型。随后她分享了研究的数据来源、图像的处理方法和纹理值的计算公式，阐明了基于CT纹理特征识别患者的流程：分隔病灶、采集纹理、模型分类、检验模型有效性。她还详细讲解了图像的处理方法，说明了如集成学习、随机森林等的基线入院诊断方法和利用统计分析的纵向随访诊断方法的特点以及具体实现。
李扬认为，郭秀花团队的研究视角非常新颖，特别是基于纵向随访数据的诊断模型为实证工作提供了一个新视角，可以整合流行病调查数据和临床检测数据构建高风险人群预警模型，具有很高的社会价值。最后他就是否可以利用先验经验信息提升病灶划分精度、结合组合算法强化诊断工具等问题与郭秀花进行了探讨。
在交流提问环节，易丹辉、周静等围绕患者病情严重程度分级诊断、CT图像识别技术等问题与郭秀花展开讨论。本次报告帮助大家对基于患者CT影像纹理和临床特征构建COVID-19诊断模型有了更深的理解。
新冠疫情发生以来，统计学科一直在行动。统计大讲堂特别策划COVID-19专题系列在线讲座，为国内外统计学者搭建学术交流平台，为抗击疫情贡献统计力量。此后统计大讲堂——COVID-19专题系列还将陆续推出多场讲座，敬请关注。