约翰霍普金斯大学的放射科医生发现，一种用于在胸部x光片中检测结核病的深度学习算法，可能有助于识别与COVID-19相关的肺部异常。这些发表在《胸部成像杂志》(Journal of Thoracic Imaging)网络版上的研究结果表明，深度学习系统可能有助于临床医生对这些高危患者进行分类和治疗，并有助于克服可用于机器学习开发的COVID-19图像的不足。
这项研究的基础是观察到，COVID-19的胸部x线异常表现与结核病患者非常相似。胸部x光检查已经被提议作为一个潜在的有用的工具来评估COVID-19病人,尤其是在被紧急部门和紧急护理中心,但该研究小组推测,深入学习模式已经训练识别x射线也会工作得很好识别结核病的新型冠状病毒的迹象。
“我们发现了针对COVID-19的结核病模型的良好泛化，”放射学住院医师Paul Yi说，他是放射学AI实验室的联合主任，也是马隆医疗工程中心的附属学院。“我们的目标是展示一个从未‘看到’过COVID-19病例的深度学习模型识别这些病例的能力。由于COVID-19是一种新的感染，目前还没有大的数据集来训练深度学习模型。我们假设，其他类似COVID-19症状的感染图像可以用来训练能够识别这种新疾病的模型。”
易延友与约翰霍普金斯大学医学院(Johns Hopkins School of Medicine)的医科学生金泰京(Tae Kyung Kim)以及该校放射学和放射科学系(Department of Radiology and Radiological Science)的胸科放射学主任林成亭(Cheng Ting Lin)收集了88张公开可用的确诊为COVID-19的患者的正面胸片。在这88例患者中，该模型正确地将其中78例患者列为新冠肺炎“阳性”患者，成功率为89%。
虽然这些结果令人鼓舞，但研究小组承认他们的研究存在局限性。例如，虽然该模型可以识别COVID-19阳性x射线，但它可能无法将其与其他导致类似肺部异常的疾病区分开来。
然而，随着大流行的继续，对这一领域的进一步研究肯定是必要的。易补充说:“这些结果证明了在临床环境中对COVID-19潜在的新筛查方法的概念。”“深度学习模型可以加快急诊科的分诊速度，为一线的非放射科医生提供即时解释，并可能减少放射科医生的工作量。”
在科学+技术
标记马龙医疗工程中心，冠状病毒，covid-19
新闻旨在传播有益信息，英文原版地址：https://hub.jhu.edu/2020/06/01/deep-learning-to-identify-covid-19-in-chest-x-rays/