当医生和研究人员努力应对一种快速传播的、致命的和新型的疾病时，他们需要所有能得到的帮助。许多研究中心正在探索人工智能是否可以帮助对抗COVID-19，从复杂且快速增长的数据中提取知识，从而更好地诊断和治疗患者。
芝加哥大学(University of Chicago)和阿贡国家实验室(Argonne National Laboratory)的一项合作认为，人工智能可以成为一种非常重要的医疗数据的临床合作伙伴:图像。由于COVID-19的严重病例通常表现为呼吸系统疾病，在患者中引发严重肺炎，因此胸部x射线和胸部CT扫描是一种潜在的检查方法。从新的c3获得资助。人工智能数字转换研究所计算机辅助诊断专家Maryellen Giger将领导一项努力，开发新的人工智能工具，利用这些医学图像来诊断、监控和帮助规划covid19患者的治疗。
一旦开发出来，Giger希望该系统将有助于临床医生诊断和治疗疾病的几个不同方面。首先，它可能会帮助放射科医生发现这种疾病，包括那些已经被怀疑患有COVID-19的病人，以及那些正在接受其他肺部疾病筛查的病人。其次，人工智能模型可以帮助医生区分感染的不同阶段，指导个别患者的治疗选择。随着时间的推移，研究人员还希望新的人工智能方法可以帮助识别由于缺乏症状或无法进行检测而错过的COVID-19病例。
“有多个部分:检测和诊断，以及对治疗的反应，”Giger说。“我们如何追踪这种疾病?”我们什么时候能看到“开始治疗”的演示?如果他们正在接受治疗，我们如何确定治疗是否有效?我们能用它来做决定和治疗吗?”
该项目建立在Giger几十年来开发AI方法分析医学图像和解释疾病信号的经验之上，包括肺癌、乳腺癌、前列腺癌、狼疮和骨骼疾病。这项研究将利用她在芝加哥大学实验室的计算机视觉和深度学习方法、芝加哥大学放射学系的临床肺成像专业知识和阿贡的计算资源。
“我们将从分析其他肺部疾病中学到的人工智能发展知识应用到这里，”Giger说。“在此过程中，我们将进行转移学习，并在将医学影像智能与机器智能结合起来的情况下，减少很多病例。”
与其他临床计算机视觉系统一样，COVID-19工具将使用真实数据进行训练，以区分有无感染的患者的胸部图像。但是这种训练通常需要大量的数据，而且在大流行的早期阶段，追踪病人从诊断到康复的COVID-19医学图像仍然很少。该项目将从中国患者的数据集开始，并扩大到包括芝加哥大学医学中心和其他卫生中心的病例，其目标是1000个病例。
但它也将利用他们最先进的计算方法，即基于级联的深度转移学习来加速这一过程。他们不会从零开始，而是从Giger的实验室开发的用于评估其他肺部疾病的网络模型开始，然后逐步对他们进行再培训，以发现covid19的特征。这种方法也符合临床逻辑，因为不同阶段的COVID-19可能与其他肺部疾病(如癌症和其他肺炎)具有相似的特征。
该模型用于评估疾病严重程度的一些图像特征也可以作为重要的基于图像的生物标志物，供临床医生用于监测疾病的进展或恢复。
最终，研究人员希望新的人工智能方法可以帮助识别因缺乏症状或无法进行检测而错过的COVID-19病例。并行人工智能方法从生姜的小组考察了“偶然”发现肺气肿、心脏病、胸和骨质疏松症的CT扫描过程中收集肺癌筛查,以及在她的同事的实验室间皮瘤。随着冠状病毒传播通过人口,这些医学图像也可能揭示过去或现在COVID-19感染的迹象,使治疗和提供有价值的公共卫生信息。
Giger说:“这一研究领域的影响将是巨大的，因为当我们进入下一个潜在的浪潮，或者如果COVID被视为一种慢性疾病，我们将需要能够识别它。”“其中一种方法是通过常规获得的:胸片和用于肺筛查的低剂量CTs。所以这只是‘这里有COVID潜力吗?’的另一个复选框。”