這項(xiàng)發(fā)表在《自然通訊》上的研究表明，這項(xiàng)新技術(shù)還可以克服當(dāng)前測試的一些挑戰(zhàn)。

研究人員證明，可以訓(xùn)練AI算法在計(jì)算機(jī)斷層掃描（CT）掃描中對COVID-19肺炎進(jìn)行分類，準(zhǔn)確率高達(dá)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(jīng)常使用的逆轉(zhuǎn)錄聚合酶鏈反應(yīng)或RT-PCR測試相比，CT掃描可更深入地了解COVID-19的診斷和進(jìn)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(gè)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(yán)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?yàn)檫@種疾病在掃描中通?？雌饋砼c流感相關(guān)的肺炎相似。

UCF計(jì)算機(jī)科學(xué)系助理教授Ulas Bagci說，新開發(fā)的UCF聯(lián)合算法可以通過準(zhǔn)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(lǐng)導(dǎo)了該研究。

Bagci說：“我們證明了基于深度學(xué)習(xí)的AI方法可以用作幫助醫(yī)療保健系統(tǒng)和患者的標(biāo)準(zhǔn)化和客觀的工具。”“它可以在非常特殊的有限人群中用作補(bǔ)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(gè)大型的美國國立衛(wèi)生研究院（National Institutes of Health）贈(zèng)款，探討這些主題，包括250萬美元用于深度學(xué)習(xí)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(yīng)用。

為了進(jìn)行這項(xiàng)研究，研究人員訓(xùn)練了一種計(jì)算機(jī)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例肺部疾病（從COVID-19到癌癥和非COVID肺炎）的CT掃描中測試了該算法。

當(dāng)他們將計(jì)算機(jī)的診斷結(jié)果與醫(yī)生確認(rèn)的結(jié)果進(jìn)行比較時(shí)，他們發(fā)現(xiàn)該算法非常擅長準(zhǔn)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(shí)。

Bagci說：“我們證明了健壯的AI模型可以在獨(dú)立的測試人群中達(dá)到90%的準(zhǔn)確性，在與非COVID-19相關(guān)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(xué)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(xué)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(xué)主任。

這項(xiàng)研究得到了美國國立衛(wèi)生研究院介入腫瘤學(xué)中心和國立衛(wèi)生研究院的院內(nèi)研究計(jì)劃，院內(nèi)NIH贈(zèng)款，NIH院內(nèi)靶向抗COVID-19計(jì)劃，美國國立癌癥研究所和NIH的資助。

Bagci在英國諾丁漢大學(xué)獲得計(jì)算機(jī)科學(xué)博士學(xué)位，并于2015年加入U(xiǎn)CF的計(jì)算機(jī)科學(xué)系（隸屬于工程和計(jì)算機(jī)科學(xué)學(xué)院）。他是UCF科學(xué)應(yīng)用國際公司（SAIC）的主席。計(jì)算機(jī)科學(xué)和UCF計(jì)算機(jī)視覺研究中心的教職員工。上汽集團(tuán)是一家位于弗吉尼亞州的政府支持和服務(wù)公司。

責(zé)任編輯：lq