約翰·霍普金斯大學(xué)的放射科醫(yī)生已經(jīng)重新設(shè)計(jì)了深度學(xué)習(xí)算法，該算法旨在檢測(cè)胸部X光片上的結(jié)核病，從而幫助識(shí)別COVID-19。

隊(duì)有它的工作發(fā)表在網(wǎng)上中華胸成像，并覆蓋由約翰霍普金斯大學(xué)新聞媒體集線器。

作者指出，唯一的警告是，當(dāng)面對(duì)結(jié)核病常見(jiàn)但在COVID中罕見(jiàn)的肺部發(fā)現(xiàn)時(shí)，AI模型可能會(huì)返回COVID陽(yáng)性診斷。

盡管如此，該算法仍正確地將88例COVID-19胸部X射線中的78例歸類為陽(yáng)性。那是89%的成功率，并且在實(shí)驗(yàn)室測(cè)試中證實(shí)了陽(yáng)性病例。

概念驗(yàn)證研究進(jìn)一步表明，由模型生成的視覺(jué)熱圖在幾種情況下可能有用。

“由于流行病使發(fā)達(dá)國(guó)家的醫(yī)院不堪重負(fù)，協(xié)助非專業(yè)放射科醫(yī)生的診斷工具可能變得尤為重要，在發(fā)達(dá)國(guó)家，由于社會(huì)隔離和隔離與COVID-19簽訂合同的工人的要求，衛(wèi)生保健人員正在減少，而在發(fā)展中國(guó)家，這種情況很少專門(mén)的放射科醫(yī)生在基線工作?！敝饕髡哚t(yī)學(xué)博士Paul Yi和同事寫(xiě)道。

此外，他們指出，諸如此類的深度學(xué)習(xí)模型可以用作分類工具，以快速隔離急診候診區(qū)中可能出現(xiàn)COVID陽(yáng)性的患者。

在集線器的報(bào)道中，Yi說(shuō)，重新設(shè)計(jì)模型的想法是由新型冠狀病毒的新穎性引發(fā)的。

他說(shuō)：“我們的目標(biāo)是證明從未學(xué)習(xí)過(guò)COVID-19案例的深度學(xué)習(xí)模型能夠識(shí)別這些案例?！薄坝捎贑OVID-19是一種新型感染，因此目前尚無(wú)法使用大型數(shù)據(jù)集來(lái)訓(xùn)練深度學(xué)習(xí)模型。我們假設(shè)可以使用外觀與COVID-19類似的其他感染圖像來(lái)訓(xùn)練能夠識(shí)別這種新疾病的模型?！?/p>