最新研究表明，人工智能（AI）在肺部超声图像中识别新冠病毒（COVID-19） 的能力，堪比面部识别软件在人群中找到一张脸。这一发现大大推进了 AI 驱动的医疗诊断技术，使医疗专业人员更接近于能够利用算法迅速诊断 COVID-19 和其他肺部疾病的目标，这些算法能够在超声图像中搜索疾病的迹象。
这项成果发表于《通信医学》杂志，标志着从疫情初期就开始的努力取得了成果。当时，临床医生急需工具来迅速评估拥挤不堪的急诊室中大量患者的情况。
约翰斯·霍普金斯大学电子与计算机工程、生物医学工程和计算机科学的约翰·C·马隆副教授、项目的资深作者穆因纳图·贝尔表示：“我们开发这个自动检测工具是为了帮助紧急情况下负荷较重的医生快速准确地诊断患者，比如在疫情初期。我们的目标是开发可以让患者在家中使用的无线设备，以监测 COVID-19 的进展。”
这一工具还有望开发出可用于跟踪拥塞性心力衰竭等疾病的可穿戴设备，这些疾病会导致患者肺部积液，与 COVID-19 类似。该项目的合作者、约翰斯·霍普金斯医学院急诊医学助理教授蒂凡尼·冯表示：“我们在此处使用 AI 工具正是护理领域的下一个大前沿。理想的应用情况将是监测液体积聚并在患者需要调整药物或看医生时提醒他们的可穿戴超声波贴片。”
AI 通过分析肺部超声图像来识别被称为 B 线的特征，这些特征表现为亮丽的垂直异常，并且表明肺部并发症患者存在炎症。它结合了计算机生成的图像和真实的患者超声图像，包括一些在约翰斯·霍普金斯寻求治疗的患者。
“我们必须足够好地模拟超声波和声波传播的物理学，以产生可信的模拟图像。”贝尔说。“然后我们必须进一步训练我们的计算机模型，使用这些模拟数据来可靠地解释患有受影响肺部的患者的真实扫描。”
疫情初期，科学家们因为缺乏患者数据并且刚开始了解疾病在体内的表现，难以使用人工智能评估肺部超声图像中的 COVID-19 指标。贝尔的团队开发了一款软件，能够从真实和模拟数据中学习，然后在超声扫描中识别出表明某人感染了 COVID-19 的异常。这个工具是一个深度神经网络，一种设计为模仿互联脑神经元的 AI 类型，使大脑能够识别模式、理解语言和完成其他复杂任务。
“疫情初期，我们没有足够的 COVID-19 患者的超声图像来开发和测试我们的算法，结果我们的深度神经网络从未达到最佳性能。”首席作者、贝尔实验室的博士后研究员、现在在 Novateur Research Solutions 工作的 Lingyi Zhao 说。“现在，我们正在证明，即使使用计算机生成的数据集，我们也能在评估和检测这些 COVID-19 特征方面达到很高的准确度。”
相关文章
