深度学习算法以专家级精度检测急性呼吸窘迫综合征
该算法分析胸部 X 光片以检测这种常见但未被充分认识的危重疾病综合征。急性呼吸窘迫综合征 (ARDS) 是一种危及生命的肺损伤，进展迅速，通常会导致长期健康问题或死亡。然而，医生可能很难识别。因此，ARDS 患者可能并不总是得到正确的护理。
现在，密歇根医学和密歇根重症监护综合研究中心 (MCIRCC) 的研究人员可能有了解决方案。
“在我们之前的工作中，我们发现医生很难通过胸部 X 光检查确定 ARDS 的发现，”密歇根医学中心的肺重症医师、该研究的主要作者Michael Sjoding 医学博士说 。“早期识别和治疗是治疗 ARDS 的关键因素。延误可能是灾难性的。”
为了解决这个问题，研究团队开发了一种新的人工智能算法，可以分析 ARDS 的胸部 X 光片。
在Lancet Digital Health发表的一项研究中 ，该团队表明，事实上，它可以比许多医生更准确地识别 ARDS 发现。当它在另一个医院系统的患者中得到外部验证时，它也表现良好。
算法创建的背后
开发算法并非易事。
“这些类型的算法非常‘数据饥渴’，”Sjoding 博士说，“这意味着它们需要大量数据来学习。”
他们使用的算法是一种称为深度卷积神经网络或 CNN 的机器学习模型，有 121 层和 700 万个参数。
然后，该团队使用一种创新方法训练算法，在来自公开来源的 450,000 张胸部 X 光片中识别常见的放射学结果，但不识别 ARDS。
然后，他们使用密歇根医学医师针对 ARDS 仔细审查和注释的 8,000 项胸部 X 射线研究的独特数据集训练算法检测 ARDS。这种方法称为迁移学习，它与人类的学习方式有很多相似之处。
“新生儿可能首先学会识别杯子或苹果等简单物体，然后才能识别航天飞机等更复杂的物体，”医学博士、MCIRCC 数据科学部主任、密歇根医学研究助理教授萨达尔·安萨里 (Sardar Ansari) 说。“同样的原则在这里发挥作用。我们构建了一个模型来执行更简单的任务，然后再将其重新用于相关但更困难的问题。”
需要进一步研究来评估该算法在临床环境中的影响，但 MCIRCC 的团队相信它将改变游戏规则。
他们设想它将帮助医生更快、更准确地识别 ARDS 患者，并确保患者获得循证护理。Sjoding 指出，该工具还可以加速 ARDS 研究，“我们现在有一种高度可靠的方法来识别 ARDS 患者，这也将使我们能够更有效地研究他们。”
“这是 MCIRCC 团队科学方法的另一个很好的例子，它将临床医生、工程师、数据科学家和其他人聚集在一起，以解决重症监护领域的重大挑战，”MCIRCC 执行董事 Kevin Ward 医学博士说。学习 ARDS 检测将是 ARDS 护理的根本性飞跃，尤其是在资源受到挑战的环境中。”
标签：