這項發(fā)表在《自然通訊》上的研究表明,這項新技術還可以克服當前測試的一些挑戰(zhàn)。
研究人員證明,可以訓練AI算法在計算機斷層掃描(CT)掃描中對COVID-19肺炎進行分類,準確率高達90%,并且可以正確地識別出84%的陽性病例和93%的陰性病例。
與經常使用的逆轉錄聚合酶鏈反應或RT-PCR測試相比,CT掃描可更深入地了解COVID-19的診斷和進展。這些測試具有較高的假陰性率,處理延遲和其他挑戰(zhàn)。
CT掃描的另一個好處是,它們可以在沒有癥狀的人中,有早期癥狀的人中,在疾病嚴重期間以及癥狀消失后檢測出COVID-19。
但是,并不總是建議將CT作為COVID-19的診斷工具,因為這種疾病在掃描中通??雌饋砼c流感相關的肺炎相似。
UCF計算機科學系助理教授Ulas Bagci說,新開發(fā)的UCF聯(lián)合算法可以通過準確識別COVID-19病例并將其與流行性感冒區(qū)分開來解決此問題,從而為醫(yī)生提供了巨大的潛在幫助。 。
Bagci是該研究的合著者,并幫助領導了該研究。
Bagci說:“我們證明了基于深度學習的AI方法可以用作幫助醫(yī)療保健系統(tǒng)和患者的標準化和客觀的工具?!薄八梢栽诜浅L厥獾挠邢奕巳褐杏米餮a充測試工具,如果不幸再次爆發(fā),可以迅速大規(guī)模使用?!?/p>
Bagci是開發(fā)AI的專家,可以協(xié)助醫(yī)生,包括在CT掃描中使用AI檢測胰腺癌和肺癌。
他還擁有兩個大型的美國國立衛(wèi)生研究院(National Institutes of Health)贈款,探討這些主題,包括250萬美元用于深度學習檢查胰腺囊性腫瘤,以及200萬美元用于研究人工智能在肺癌篩查和診斷中的應用。
為了進行這項研究,研究人員訓練了一種計算機算法來識別來自中國,日本和意大利的1,280名多國患者的肺部CT掃描中的COVID-19。
然后,他們在1,337例肺部疾?。◤腃OVID-19到癌癥和非COVID肺炎)的CT掃描中測試了該算法。
當他們將計算機的診斷結果與醫(yī)生確認的結果進行比較時,他們發(fā)現該算法非常擅長準確診斷肺中的COVID-19肺炎并將其與其他疾病區(qū)分開,特別是在疾病發(fā)展的早期階段檢查CT掃描時。
Bagci說:“我們證明了健壯的AI模型可以在獨立的測試人群中達到90%的準確性,在與非COVID-19相關的肺炎中保持高特異性,并能為看不見的患者人群和中心提供足夠的通用性,” Bagci說。
UCF研究人員與研究合著者Baris Turkbey和Bradford J. Wood長期合作。Turkbey是美國國立衛(wèi)生研究院國家癌癥研究所分子影像學分會的副研究醫(yī)師,伍德是美國國立衛(wèi)生研究院介入腫瘤學中心的主任和美國國立衛(wèi)生研究院臨床中心的介入放射學主任。
這項研究得到了美國國立衛(wèi)生研究院介入腫瘤學中心和國立衛(wèi)生研究院的院內研究計劃,院內NIH贈款,NIH院內靶向抗COVID-19計劃,美國國立癌癥研究所和NIH的資助。
Bagci在英國諾丁漢大學獲得計算機科學博士學位,并于2015年加入UCF的計算機科學系(隸屬于工程和計算機科學學院)。他是UCF科學應用國際公司(SAIC)的主席。計算機科學和UCF計算機視覺研究中心的教職員工。上汽集團是一家位于弗吉尼亞州的政府支持和服務公司。
責任編輯:lq
-
深度學習
+關注
關注
73文章
5450瀏覽量
120816 -
AI算法
+關注
關注
0文章
246瀏覽量
12214 -
COVID-19
+關注
關注
0文章
226瀏覽量
10501
發(fā)布評論請先 登錄
相關推薦
評論