在新的研究中，算法在检测COVID-19方面优于胸部放射科医生。算法经过训练，在最大的covid - 19时代数据集(17002张x射线图像)上进行测试，算法分析肺部x射线图像的速度大约快10倍，目前，其他研究人员可以公开使用新的数据系统继续培训salgorithm，该系统还可能标记出那些没有接受COVID-19调查的患者，进行隔离和检测。研究人员说:“筛查患者并确定他们是否需要隔离需要几秒钟。
美国西北大学的研究人员开发出了通过分析肺部x光图像来检测新冠病毒的新型人工智能(ai)平台。
这一名为DeepCOVID-XR的机器学习算法的表现超过了一组专业的胸部放射科医生——在x光中发现COVID-19的速度约为10倍，准确率提高了1-6%。
研究人员认为，医生可以使用人工智能系统快速筛查因COVID-19以外的原因入院的患者。更快、更早地发现这种高传染性病毒可能会促使阳性患者更快地被隔离，从而保护医护人员和其他患者。
该研究的作者还认为，该算法可能会提示那些没有接受COVID-19调查的患者进行隔离和测试。
这项研究将于今天(2020年11月24日)发表在《放射学》杂志上。
“我们的目标不是取代实际的测试，”西北大学的人工智能专家、该研究的资深作者阿格洛斯·卡萨格洛斯(Aggelos Katsaggelos)说。“x光检查是常规的、安全的、廉价的。我们的系统需要几秒钟的时间来筛选患者，并确定该患者是否需要隔离。”
美国西北医学布卢姆心血管研究所(Northwestern Medicine Bluhm Cardiovascular Institute)的心脏病专家、人工智能博士后拉姆塞·韦贝(Ramsey Wehbe)博士表示:“新冠病毒检测结果可能需要数小时或数天的时间。”“人工智能不能确认某人是否感染了病毒但如果我们能用这种算法标记病人，我们就可以在测试结果出来之前加快分诊。”
Katsaggelos是西北大学麦考密克工程学院电气与计算机工程约瑟夫·卡明斯教授。他还在计算机科学和放射学方面有礼貌的任命。韦贝是西北纪念医院布卢姆心血管研究所的博士后研究员。
与被准确标记为COVID-19阳性(A-C)的图像(D)相比，生成的热图适当地突出了COVID-19阳性(A-C)图像中肺野的异常。热图上颜色的强度对应于图像的特征，这对预测COVID-19阳性很重要。信贷:西北大学
对于许多COVID-19患者，胸部x光显示类似的模式。他们的肺不是清晰健康的，而是斑驳模糊的。
韦贝说:“许多COVID-19患者的胸部图像都有特征性的表现。“其中包括‘双边巩固’。“肺部充满了液体和炎症，特别是沿着下肺叶和周围。”
问题是，肺部的肺炎、心力衰竭和其他疾病在x光片上看起来很相似。需要训练有素的眼睛才能区分COVID-19和传染性较低的东西。
卡萨格洛斯的实验室专门研究将人工智能用于医学成像。他和Wehbe已经在心脏病成像项目上合作过了，他们想知道是否可以开发一种新的系统来帮助对抗这种流行病。
韦贝说:“当疫情在芝加哥开始加剧时，我们互相询问是否有什么我们可以做的。”“我们正在研究使用心脏回波和核成像的医学成像项目。我们认为，我们可以转向和应用我们的共同专业知识，帮助抗击COVID-19。”
为了开发、训练和测试新算法，研究人员使用了17002张胸片图像——这是COVID-19时代用于训练人工智能系统的最大的已发表的临床胸片数据集。在这些图像中，5445张来自西北纪念医疗系统各地站点的covid -19阳性患者。
然后，该团队在森林湖医院的300张随机测试图像上，将DeepCOVID-XR与5名经验丰富的心胸科研究员培训的放射科医生进行了测试。每个放射科医生检查这组图像大约需要两个半小时到三个半小时，而人工智能系统大约需要18分钟。
放射科医生的准确率在76-81%之间。DeepCOVID-XR表现稍好，准确率为82%。
“这些专家都是接受过阅读胸部成像的亚专业训练的，”Wehbe说。“然而，大多数胸部x光片是由普通放射科医生阅读或最初由非放射科医生解读的，比如治疗临床医生。很多时候，我们都是根据最初的解释做出决定的。”
卡萨格洛斯说:“放射科医生很贵，而且不是总能找到。”“x光不贵，而且已经是常规护理的常见元素。这可能会节省资金和时间，特别是在与COVID-19合作时，时机非常关键。”
当然，并非所有COVID-19患者都显示出任何疾病迹象，包括在胸片上。特别是在病毒发展的早期，患者的肺部可能还没有表现。
“在这种情况下，人工智能系统不会将患者标记为阳性，”韦贝说。但放射科医生也不会。显然，COVID-19的放射诊断是有限度的，这就是为什么我们不会用它来取代检测。”
西北大学的研究人员已经公开了该算法，希望其他人可以继续用新数据训练它。目前，DeepCOVID-XR仍处于研究阶段，但未来可能会用于临床。
