AI工具让医生对治疗COVID-19的肺部有了新的认识

在COVID-19大流行的刺激下，普林斯顿大学的研究人员开发了一种诊断工具，用于分析患病肺部的胸部x射线模式。这个新工具可以为医生提供有关病人病情的有价值的信息，而且在护理时又快又便宜。

普林斯顿大学的研究人员开发了一种诊断工具，利用人工智能来分析COVID-19肺部损伤的胸部x光片。该工具可以帮助医生对病人进行分类，更好地分配稀缺资源。

Image courtesy of the researchers

该项目首席研究员、电气工程教授贾森·弗莱舍(Jason Fleischer)表示，他是在阅读了COVID-19毁灭性的一系列攻击后，受到启发，才发明了这个工具。随着医院里挤满了病人，医生们观察到两种基本类型的肺损伤，一种比另一种更直接危及生命。不同类型的治疗可以有所不同，因此区分两者可以改善护理和更好地分配稀缺资源。

虽然目前的鉴别方法涉及昂贵和耗时的程序，如计算机断层扫描(CT)，但弗莱舍的机器学习模型观察一个简单的x射线图像，并发现即使是专业的人眼也难以识别的模式。这一工具将为医生确定COVID-19肺炎的类型和严重程度提供一种新的方法。这个过程，在地面上，是很简单的。

弗莱舍说:“重要的是，实际上并没有什么变化。“技术人员不需要做任何不同的事情。医院不需要做任何新的手术。他们已经照过x光片了，我们可以给他们额外的信息。”

Fleischer和研究生Mohammad Tariqul Islam发表了一篇论文，详细介绍了他们在medrxiv(读作med archive)上的工作。medrxiv是一个服务器，科学家可以在论文经过正式编辑过程的同时，以早期草稿的形式分享研究结果。在撰写本文时，Fleischer的论文“使用单个x射线图像区分COVID-19的L型和H型表型”还没有经过同行评审。

“单次x射线扫描不具备x射线层析成像的分辨率，”布朗大学(Brown University)生物成像专家和工程学教授基马尼图森特(Kimani Toussaint)说，他没有参与这项研究。他说，弗莱舍的团队发现了他们论文中的一个重要问题，试图“以一种非常实用的方式，解决如何使用更容易获得的x射线快速筛查COVID-19患者的问题，并从根本上对他们进行分类或按他们应该接受的治疗类型进行分类。”

“我觉得画得很好，”杜桑说。

宾夕法尼亚大学(University of Pennsylvania)哈伦肺中心(Harron Lung Center)的创始医学主任约翰汉森-弗拉森(John Hansen-Flaschen)博士也没有参与这项研究，他强调了情况的复杂性。他对任何一种处理图像的方法都能解决这个问题表示怀疑，但他没有排除弗莱舍的工具作为整体的一部分可能有价值的可能性。

弗莱舍也认为，他的工具并不是万灵药。他的目标是帮助医生——不是取代决策，而是辅助决策。通过这种方式，x射线图像的机器学习可能在大流行的关键地区以及COVID-19以外的呼吸系统疾病(如哮喘)中产生重大影响。

这项研究是基于Luciano Gattinoni博士的一篇医学文章，他描述了这两种情况。许多COVID-19病例表现为一种常见的肺炎，即患者肺部排列的微小囊泡僵硬且充满液体。僵硬限制呼吸和阻止氧转移到血流。这种形式的治疗包括使用机械呼吸机进行插管，由计算机控制病人的呼吸。但有一半以上的病人看起来更像一名高原病登山者:血氧水平处于危险的低水平，但肺部运转良好，呼吸几乎正常。反常的是，在这些病例中，机械通气会损害肺部，加重病情。第二类需要在加蒂诺尼博士的系统下进行侵入性较小的治疗，比如低压氧气、身体重新定位，以及使用睡眠呼吸暂停设备。

普林斯顿大学开发的一个机器学习模型扫描了几十个简单的胸部x光片，并预测了病人肺部损伤的类型和严重程度。两种类型的COVID-19肺损害在图中显示为集群，可能需要呼吸机的患者标记为covid – 19h(蓝色)，可能需要较少侵入性治疗的患者标记为covid – 19l(黑色)。该模型还能够区分正常肺(红色)和非covid肺炎(绿色)的肺损伤患者。

Image courtesy of the researchers

在4月下旬发表的另一篇论文中，加蒂诺尼和他的同事写道:“不同重症监护病房的死亡率差异很大，这增加了一种可能性，即通气管理的方法可能有助于治疗结果。”简而言之，医生在给病人使用机械呼吸机之前应该确定正确的症状类型。

加蒂诺尼对这种二分法持怀疑态度。“我们处在个性化医疗的时代，”瑞士重症医学学会(Swiss Society of Intensive medicine)会长蒂埃里·福莫(Thierry Fumeaux)博士在一封电子邮件中写道。他说，医生是根据病人的独特症状来治疗的，所以严格的分类可能在临床上没有用处。但是Fumeaux在最后的分析中也推迟了，他指出Gattinoni是急性呼吸窘迫综合征的主要权威。

虽然这一观点在医学界可能很重要，但弗莱舍认为他的技术无论如何都是有用的。机器学习是未来个性化医疗的关键，弗莱舍的x射线分析工具是这条道路上的一步。无论Gattinoni提到的情况是两种截然不同的类别，还是在一个平滑谱的两端各有两个极端，医生们都认为，更多的信息将有助于决定是否让患者使用呼吸机。

弗莱舍说:“如果你能分辨出谁是一个好的回应者，谁不是，那么你说它是二进制的还是连续的就几乎没有意义了。”即使它是连续的，也有好处。”

Gattinoni说，CT扫描是目前揭示这种疾病肺部模式的最佳方法。但是，CT扫描从多个角度将许多x射线图像组合成一张图片，既耗时又非常昂贵。即使在富裕的医院，扫描程序也需要时间来安排和执行。对于病毒患者，运送到断层扫描设备对他们和工作人员都是危险的。当人力资源紧张时，从皇后区到雅加达的医院，这些程序都很费力。在许多农村或发展中地区，CT根本不是一种选择。

人工智能可以帮助医生理解那些难以理解的数据。“我一直致力于机器学习，主要是为了物理，”弗莱舍说。“通过云层成像，寻找流体在湍流中流动的方向，等等。”在DARPA和空军的赞助下，他开发了人工智能来分析嘈杂的图像，利用算法来发现潜在的动力方程和预测未来的运动。在过去的十年里，他利用这一专业知识来发展生物医学成像技术，包括用于卵巢癌的超声技术和用于发现糖尿病发作的脚感器。

与他过去的生物医学创新一样，新COVID-19工具的设计目的是处理嘈杂和复杂的信息，并使该领域的临床医生更容易理解这些信息，这些临床医生必须在不完善的数据下做出决定，有时甚至是在极端的压力下做出决定。弗莱舍希望它能让医生在选择病人的治疗方案时更有信心。最后，像他的同事一样，他听从专家的意见。

考虑到它的警告和它对更好的治疗的承诺，弗莱舍给那些可能从他的技术中受益的病人提供了建议。

“听医生的，”他说。