AI工具使医生在肺部治疗covid-19新的面貌

2020年5月21日下午4时04分

由covid-19大流行的刺激,金沙赌城的研究人员已经开发出一种诊断工具来分析胸部X光检查对患病的肺部模式。新的工具可以让医生在患者的病情的有价值的信息,快速,廉价,在医疗点。

chest xray

普林斯顿的研究人员已经开发出一种诊断工具,使用人工智能来分析胸部x射线为covid-19肺损伤。该工具可以帮助医生分流病人和更好地分配稀缺资源。

贾森·弗莱舍,教授 电气工程 该项目的主要研究者,他说他的灵感来自阅读有关covid-19的毁灭性攻击范围之后创建工具。医院一直充斥着病人,医生观察到两种基本类型的肺部损害的,一个更直接的生命威胁比其他。治疗可在类型之间的差异,所以区分这两种可能提高护理和更好地分配稀缺资源。

而目前的分化方法涉及昂贵和耗时的程序,如计算机断层扫描(CT)扫描,在过于微妙,即使是专家人眼简单的X射线图像,并找到相同的模式弗莱舍的机器学习模型的外观。这个工具会给医生一个新措施确定covid-19肺炎的类型和严重程度。而这个过程中,在地面上,很简单。

“重要的是,在实践中没有什么变化,”弗莱舍说。 “技术人员不必以不同的方式做任何医院没有做任何新的程序与X射线他们已经有 - 。和经常服用 - 我们可以给他们这些额外的信息”

弗莱舍和研究生穆罕默德塔里奎尔·伊斯拉姆发布 一纸详细说明他们的工作 在medrxiv(发音配有存档),科学家们在早期草稿的形式分享成果的服务器,而一纸进行正式的编辑过程。在写这篇文章,弗莱舍的论文,时间“区分L和H使用单一的X射线图像covid-19的表型,”尚未经过同行审查。

“单X射线扫描没有解决的类型断层X射线扫描则表示,”基马尼杜桑,一个生物影像专家和工程教授在布朗大学,谁没有参与这项研究。他说,弗莱舍的研究小组已经确定了与他们的论文中的一个重要问题,在一个非常实际的方式如何使用更容易获得的X射线快速屏幕covid-19例,基本上类选他们或排序他们入类型的尝试“,以地址治疗他们应该得到“。

“我认为这是非常好做,”杜桑说。

博士。约翰 - 汉森,富兰琛,宾夕法尼亚大学,也没有参与这项研究的哈伦肺中心的创始主任医师,强调了局势的复杂性。他表示怀疑,处理图像中的任何一种方法可以解决这个问题,但他留下开放的可能性,弗莱舍的工具,作为一个整体的一部分,可能是有价值的。

弗莱舍同意他的工具不是万能的。他的目标是协助医生 - 不是替代决策,而是帮助它。这样,X射线图像的机器学习可能在流感大流行的关键领域产生重大影响,并在超越covid-19呼吸系统疾病,如哮喘。

工作是基于 医疗用品 博士。卢西亚诺GATTINONI,谁介绍的两个条件。许多covid-19的案例表明肺炎,其中的小囊衬患者的肺是僵硬和沉重的流体的熟悉的形式。刚度限制了呼吸和防止氧转移到血液中。治疗这种形式涉及插管机械呼吸机,其中,一个计算机化的机器控制患者的呼吸。但超过一半的患者看起来更像一个高度,生病登山:血氧水平严重不足,但肺部的工作相当好和呼吸接近正常。倒行逆施,在这些情况下,机械通气可损伤肺部,加剧病情。这第二类要求下医生的微创治疗。 GATTINONI的系统,如低压氧气,重新定位所述主体的,并且使用一个睡眠呼吸暂停的装置。

scatter plot of lungs

普林斯顿开发了机器学习模型扫描几十简单胸部x射线的和预测的患者的肺损伤的类型和严重性。两种类型的covid-19肺损伤在此示出在簇,标记为患者可能需要的通风机covid-19小时(蓝色),以及covid-19 L(黑)谁可能需要更少的侵入性治疗的患者。该模型还能够区分患者与正常肺(红色)和肺非covid肺炎(绿色)损坏。

另一篇论文发表在四月末,GATTINONI和他的同事中写道:“在不同的重症监护病房死亡率差异很大提高,该方法以通气管理可以促进结果的可能性。”总之,医生应把病人上呼吸机之前确定的症状正确的类别。

GATTINONI满足了二分法的一些怀疑。 “我们是在个体化医学时代,”博士。蒂埃里fumeaux的重症医学科的瑞士协会的会长,在电子邮件中写道。他说,医生是治疗基于其独特的一套症状的患者,所以强烈明确的区别可能不是临床上有用。但fumeaux也推迟在最后的分析,指出GATTINONI是急性呼吸窘迫综合征的权威。

而这种说法可能是在医学界重要的是,弗莱舍认为,他的技术是很有用的两种方式。机器学习的关键是个性化医学的未来,弗莱舍的X射线分析工具是沿该路径的一个步骤。的条件是否引用了GATTINONI是两种不同的类别或在光滑的光谱的每个端部两个极,医生同意的更多信息将在决定是否将病人使用呼吸机的帮助。

“如果你能区分谁是一个良好的响应者,谁不是,”弗莱舍说,“不管你说这是二进制或连续几乎是跑题了。即使是连续的,有效益。”

GATTINONI曾表示,CT扫描是目前揭示疾病的肺图案的最佳途径。但是CT扫描,其组合来自多个角度许多x射线图像为单画面,是耗时的和非常昂贵的。即使在富有的医院,在扫描过程花费时间来安排和执行。病毒的患者,运输到断层设施既是对他们和工作人员的危险。当人力资源紧张,因为他们已经在医院从皇后到雅加达,这些程序征税。在许多农村或欠发达地区,CT,根本就不是一个选项。

人工智能可以帮助医生做出否则很难解释数据的意义。 “我一直在机上主要用于物理学习,”弗莱舍说。 “透过云层成像,发现该方法的流体将在湍流流动,等等。”由DARPA和空军资助的工作,他开发的AI来分析图像噪点,使用算法来发现潜在的动力学方程,并预测未来的运动。在过去十年中,他一直用这个专长,开发生物医学成像的进步,包括超声技术对卵巢癌和脚传感器察觉糖尿病的发生。

与他过去的生物医药创新,新covid-19工具旨在过程吵闹和复杂的信息,并使其更容易理解为在该领域的临床医生,谁一定有不完整的数据做出决策,有时是在极端的胁迫。弗莱舍希望选择治疗的病人的过程时,它可以给医生的信心程度。而在最后,像他的同事,他推迟到专家。

同时考虑它的注意事项和更好的医疗服务的承诺,弗莱舍提供建议谁可以从他的技术中获益的患者。

“听你的医生,”他说。

研究和covid-19