人工智能算法可以幫助臨床醫(yī)生對(duì)患者進(jìn)行分類

胸部X射線為肺部疾病提供了一種快速篩查方法：放射科醫(yī)生在這些黑白圖像中都可以識(shí)別出肺部萎陷，積液過多或組織腫脹。醫(yī)生還使用這些圖像來幫助快速診斷疾病，例如?？焖龠M(jìn)行的X射線檢查將使超支的醫(yī)院受益，人工智能(AI)算法的開發(fā)者希望它們能夠提供幫助。但是，從醫(yī)院獲取他們需要的數(shù)據(jù)并確保準(zhǔn)確性是他們必須首先克服的挑戰(zhàn)。

“在像紐約這樣的地方，[]患者激增，他們已經(jīng)在進(jìn)行胸部X射線檢查以及病毒檢測(cè)。那么，為什么不通過構(gòu)建AI(軟件)來幫助篩選所有這些圖像而立即產(chǎn)生更大的影響呢?”加拿大滑鐵盧大學(xué)(University of Waterloo)的AI研究醫(yī)學(xué)圖像處理問題的Wong說。

大多數(shù)獲得的人都會(huì)出現(xiàn)癥狀，包括干咳，發(fā)燒和疲倦。有些還發(fā)展為嚴(yán)重的肺部感染，使他們喘不過氣來。由細(xì)菌或其他病毒引起的會(huì)引起類似的癥狀，而沒有實(shí)驗(yàn)室檢查就很難區(qū)分這些疾病。對(duì)于，測(cè)試套件仍然供不應(yīng)求，結(jié)果可能要花幾天甚至幾周才能恢復(fù)。因此，盡管CDC建議不要完全基于X射線進(jìn)行診斷，但醫(yī)生還是向X射線機(jī)求助。大多數(shù)醫(yī)院都可以買到這種機(jī)器，并且易于消毒，可以幫助將診斷時(shí)間減少到幾分鐘，從而使醫(yī)生能夠迅速隔離并治療患者。

研究人員希望AI算法可以使醫(yī)生更好地將與其他疾病區(qū)分開來，從而給醫(yī)生帶來優(yōu)勢(shì)。“我們知道專家已經(jīng)超負(fù)荷工作，因此這些快速篩選工具可能會(huì)非常有用。”一位使用AI算法研究醫(yī)學(xué)問題的計(jì)算機(jī)科學(xué)家Marzyeh Ghassemi說。加西米(Ghassemi)在加拿大的媒介研究所和多倫多大學(xué)工作，之前曾訓(xùn)練過算法，可以從X射線中了解感染的肺部特征，目前正在對(duì)其算法進(jìn)行再培訓(xùn)，以針對(duì)做同樣的事情。她認(rèn)為，如果像流感一樣循環(huán)出現(xiàn)，人工智能將特別有用。她說：“能夠說，等一下，這不是[正常]，這又是COVID，將非常有價(jià)值。”

像其他AI圖像識(shí)別算法一樣，開發(fā)用于解釋胸部X射線的算法是通過示例學(xué)習(xí)的。為了訓(xùn)練算法，科學(xué)家給已經(jīng)被診斷出患有疾病或肺部疾病的人提供許多不同的胸部X射線。然后，該算法將學(xué)會(huì)在圖像中識(shí)別疾病的特征，例如，感染細(xì)菌性的肺通常顯示出不透明性降低的斑塊。一旦算法經(jīng)歷了該學(xué)習(xí)曲線，就可以匹配來自未診斷患者的x射線，該患者具有相同的問題，而無需用戶進(jìn)行任何輸入。

該方法已被證明對(duì)患有或氣胸(空氣從肺漏出)的人有效。但是，成功的原因是對(duì)存儲(chǔ)在在線存儲(chǔ)庫中的數(shù)千個(gè)經(jīng)過預(yù)先診斷的X射線圖像進(jìn)行了算法訓(xùn)練。但是，對(duì)于陽性患者，只有幾百個(gè)X射線可公開獲得。這使得很難以任何程度的魯棒性來訓(xùn)練算法。

蒙特利爾大學(xué)的約瑟夫·保羅·科恩(Joseph Paul Cohen)將這些 x射線中的許多放置在一個(gè)儲(chǔ)存庫中?？贫鲄f(xié)助開發(fā)了一種名為Chester的AI工具，該工具于去年上線，可以區(qū)分不同的肺部疾病，例如或肺疝。當(dāng)命中時(shí)，他想增援切斯特，但由于醫(yī)院不想共享其數(shù)據(jù)而迅速碰壁。他說：“獲取圖像只是一場(chǎng)噩夢(mèng)。”

相反，科恩和他的同事們轉(zhuǎn)向了期刊。他說：“整個(gè)醫(yī)院落后于公開數(shù)據(jù)的一種途徑是在紙上寫一個(gè)數(shù)字。”通過從出版物上刮擦患者的X射線圖像，并收集包括歐洲放射學(xué)會(huì)在內(nèi)的團(tuán)體提供的圖像，該團(tuán)隊(duì)已經(jīng)收集了226幅患者的圖像以及相關(guān)的臨床數(shù)據(jù)。

大約一個(gè)月前，科恩(Cohen)在arXiv預(yù)印服務(wù)器上發(fā)布了帶有初始數(shù)據(jù)集的論文，該論文已經(jīng)被開發(fā)X射線篩查AI算法的小組引用了近40次。其中一個(gè)小組包括巴西巴拉那天主教大學(xué)的Rodolfo Pereira。Pereira通常會(huì)開發(fā)用于對(duì)音樂進(jìn)行分類的AI算法，但是當(dāng)命中時(shí)，他將手轉(zhuǎn)向研究x射線。他和他的同事們進(jìn)行了5000多次“實(shí)驗(yàn)”，以測(cè)試多種不同的AI X射線檢查方法。他說：“我們幾乎全力以赴解決了這個(gè)問題。”

他們的結(jié)果表明，他們的算法可以區(qū)分不同類型的，包括由引起的。但是來自巴西馬林加州立大學(xué)的團(tuán)隊(duì)成員盧卡斯·特謝拉(Lucas Teixeira)提供了警告。“ [算法]并不完美，”他說。“它們可以與[Cohen's]數(shù)據(jù)集一起使用，但是我們不知道它們?nèi)绾闻c其他數(shù)據(jù)集一起使用。”

胸部X射線算法的適用性和可靠性問題是所有接受此故事采訪的研究人員都強(qiáng)調(diào)的問題。AI算法解釋X射線掃描的方式可能取決于用于拍攝圖像的機(jī)器，無論是躺著的人還是站著的人，或者是拍攝X射線的醫(yī)院。麻省理工學(xué)院的阿利斯泰爾·約翰遜(Alistair Johnson)說：“各種各樣的偏見都會(huì)使您絆倒，”他幫助建立了MIMIC-CXR，該在線存儲(chǔ)庫包含近40萬張(非)X射線圖像。