該算法分析胸部 X 光片以檢測這種常見但未被充分認識的危重疾病綜合征。急性呼吸窘迫綜合征 (ARDS) 是一種危及生命的肺損傷，進展迅速，通常會導致長期健康問題或死亡。然而，醫(yī)生可能很難識別。因此，ARDS 患者可能并不總是得到正確的護理。

現(xiàn)在，密歇根醫(yī)學和密歇根重癥監(jiān)護綜合研究中心 (MCIRCC) 的研究人員可能有了解決方案。

“在我們之前的工作中，我們發(fā)現(xiàn)醫(yī)生很難通過胸部 X 光檢查確定 ARDS 的發(fā)現(xiàn)，”密歇根醫(yī)學中心的肺重癥醫(yī)師、該研究的主要作者Michael Sjoding 醫(yī)學博士說 。“早期識別和治療是治療 ARDS 的關(guān)鍵因素。延誤可能是災(zāi)難性的。”

為了解決這個問題，研究團隊開發(fā)了一種新的人工智能算法，可以分析 ARDS 的胸部 X 光片。

在Lancet Digital Health發(fā)表的一項研究中 ，該團隊表明，事實上，它可以比許多醫(yī)生更準確地識別 ARDS 發(fā)現(xiàn)。當它在另一個醫(yī)院系統(tǒng)的患者中得到外部驗證時，它也表現(xiàn)良好。

算法創(chuàng)建的背后

開發(fā)算法并非易事。

“這些類型的算法非常‘數(shù)據(jù)饑渴’，”Sjoding 博士說，“這意味著它們需要大量數(shù)據(jù)來學習。”

他們使用的算法是一種稱為深度卷積神經(jīng)網(wǎng)絡(luò)或 CNN 的機器學習模型，有 121 層和 700 萬個參數(shù)。

然后，該團隊使用一種創(chuàng)新方法訓練算法，在來自公開來源的 450,000 張胸部 X 光片中識別常見的放射學結(jié)果，但不識別 ARDS。

然后，他們使用密歇根醫(yī)學醫(yī)師針對 ARDS 仔細審查和注釋的 8,000 項胸部 X 射線研究的獨特數(shù)據(jù)集訓練算法檢測 ARDS。這種方法稱為遷移學習，它與人類的學習方式有很多相似之處。

“新生兒可能首先學會識別杯子或蘋果等簡單物體，然后才能識別航天飛機等更復雜的物體，”醫(yī)學博士、MCIRCC 數(shù)據(jù)科學部主任、密歇根醫(yī)學研究助理教授薩達爾·安薩里 (Sardar Ansari) 說。“同樣的原則在這里發(fā)揮作用。我們構(gòu)建了一個模型來執(zhí)行更簡單的任務(wù)，然后再將其重新用于相關(guān)但更困難的問題。”

需要進一步研究來評估該算法在臨床環(huán)境中的影響，但 MCIRCC 的團隊相信它將改變游戲規(guī)則。

他們設(shè)想它將幫助醫(yī)生更快、更準確地識別 ARDS 患者，并確?；颊攉@得循證護理。Sjoding 指出，該工具還可以加速 ARDS 研究，“我們現(xiàn)在有一種高度可靠的方法來識別 ARDS 患者，這也將使我們能夠更有效地研究他們。”

“這是 MCIRCC 團隊科學方法的另一個很好的例子，它將臨床醫(yī)生、工程師、數(shù)據(jù)科學家和其他人聚集在一起，以解決重癥監(jiān)護領(lǐng)域的重大挑戰(zhàn)，”MCIRCC 執(zhí)行董事 Kevin Ward 醫(yī)學博士說。學習 ARDS 檢測將是 ARDS 護理的根本性飛躍，尤其是在資源受到挑戰(zhàn)的環(huán)境中。”

標簽：