提示:本文共有 2362 个字,阅读大概需要 5 分钟。
在COVID-19大流行的刺激下,普林斯顿大学的研究人员开发了一种诊断工具,可以分析胸部X射线以检查患病肺部的模式。新工具可以在护理时快速,廉价地为医生提供有关患者状况的宝贵信息。
气工程学教授兼该项目的主要研究人员Jason Fleischer表示,他在阅读了COVID-19毁灭性的攻击范围后被启发创建了该工具。由于医院已经挤满了病人,医生已经观察到两种基本的肺部损伤类型,一种比另一种更为直接威胁生命。两种类型的治疗方法可能有所不同,因此区分两者可以改善护理水平并更好地分配稀缺资源。
尽管当前的区分方法涉及昂贵且耗时的过程,例如计算机断层扫描(CT)扫描,但Fleischer的机器学习模型查看的是简单的X射线图像,并且发现即使对于专业的人眼来说,这些图案也太微妙了。该工具将为医生提供一种确定COVID-19肺炎的类型和严重程度的新方法。从根本上讲,这一过程很简单。
弗莱舍说:“重要的是,实践没有改变。” “技术人员不必做任何不同的事情。医院不必进行任何新的程序。有了X射线,他们就已经拥有并且可以常规使用,我们可以为他们提供这些额外的信息。”
Fleischer和研究生Mohammad Tariqul Islam发表了一篇论文,详细介绍了他们在medrxiv(发音为med档案)上的工作,该服务器供科学家以早期草稿的形式共享结果,同时论文经过正式的编辑过程。在撰写本文时,Fleischer的论文“使用单个X射线图像区分COVID-19的L和H表型”尚未进行同行评审。
布朗大学的生物成像专家兼工程学教授基马尼·图森特(Kimani Toussaint)说:“单次X射线扫描不具备X射线断层摄影分辨率的类型,”布朗大学的生物成像专家和工程学教授不参与此项研究。他说,弗莱舍的小组在论文中发现了一个重要问题,试图“以一种非常实际的方式解决如何使用更容易获得的X射线快速筛查COVID-19患者的方法,并对其进行分类或将其分类为他们应该得到的治疗。”
图森说:“我认为这做得很好。”
宾夕法尼亚大学哈伦·隆中心的创始医学主任约翰·汉森·弗拉申博士也没有参与这项研究,他强调了这种情况的复杂性。他对任何一种处理图像的方法都能解决问题表示怀疑,但他没有透露Fleischer的工具作为整体的一部分可能有价值的可能性。
弗莱舍同意他的工具不是万能药。他的目标是为医生提供帮助,而不是代替决策,而是为决策提供帮助。这样,X射线图像的机器学习可能会对大流行的关键区域以及超出COVID-19的呼吸道疾病(例如哮喘)产生重大影响。
这项工作基于Luciano Gattinoni博士的医学文章,他描述了这两种情况。许多COVID-19病例表现出一种常见的肺炎,其中患者肺部的微小囊囊僵硬且充满液体。刚度限制呼吸并防止氧气转移到血液中。这种形式的治疗包括使用机械呼吸机进行插管,由电脑控制患者的呼吸。但是,超过一半的患者看起来更像是一个需要高原反应的登山者:血氧含量很低,但是肺部运作良好,呼吸几乎正常。相反,在这些情况下,机械通气会损害肺部,加剧疾病。第二类药物需要在Gattinoni博士的系统下进行侵入性较小的治疗,例如低压氧气,
在4月下旬发表的另一篇论文中,Gattinoni和他的同事写道:“不同重症监护病房的死亡率差异很大,这增加了通气管理方法可能有助于结果的可能性。” 简而言之,在将患者置于机械呼吸机上之前,医生应确定正确的症状类别。
加蒂尼尼(Gattinoni)对这种二分法表示怀疑。瑞士重症医学会主席Thierry Fumeaux博士在一封电子邮件中写道:“我们正处于个体化医学时代。” 他说,医生正在根据患者独特的症状来对其进行治疗,因此强烈的分类可能对临床没有帮助。但是Fumeaux也推迟了最终的分析,指出Gattinoni是急性呼吸窘迫综合征的主要权威。
尽管这种论点在医学界可能很重要,但弗莱舍认为,他的技术无论哪种方式都有用。机器学习是个性化医学未来的关键,而Fleischer的X射线分析工具是这条道路上的一步。无论是Gattinoni提到的疾病是两个不同的类别,还是在平滑频谱的每个末端有两个极点,医生都同意更多的信息将有助于决定是否将患者放在呼吸机上。
弗莱舍说:“如果你能区分谁是一个好的回应者,谁不是一个好人,那么无论你说是二进制的还是连续的几乎是没有意义的。即使是连续的,也有好处。”
加蒂诺尼说,CT扫描是目前揭示该病肺部形态的最佳方法。但是CT扫描将多个角度的许多X射线图像合并为一张图像,既耗时又非常昂贵。即使在条件良好的医院,扫描程序也要花费一些时间来计划和执行。对于病毒患者,运输到断层扫描设备对他们和工作人员都是有害的。当人力资源紧张时,就像从皇后区到雅加达的医院一样,这些程序很费力。在许多农村或发展中地区,CT根本不是一种选择。
人工智能可以帮助医生理解原本难以解释的数据。“我一直致力于主要用于物理学的机器学习,”弗莱舍说。“通过云层成像,找到流体在湍流中流动的方式,等等。” 在由DARPA和空军赞助的工作中,他开发了AI以分析嘈杂的图像,使用算法发现潜在的动力学方程并预测未来的运动。在过去的十年中,他利用这一专业知识开发了生物医学成像技术,包括用于卵巢癌的超声技术和用于识别糖尿病发作的脚部传感器。
就像他过去的生物医学创新一样,新的COVID-19工具旨在处理嘈杂的复杂信息,并使现场的临床医生更易于解释,因为这些临床医生必须使用不完善的数据来做出决策,有时甚至是在极端胁迫下。Fleischer希望它可以在选择患者的治疗方案时给医生更高的信心。最后,他像他的同事们一样,向专家们致敬。
考虑到它的警告和更好的治疗前景,弗莱舍向可能受益于他的技术的患者提供了建议。
他说:“听医生的话。”
看到此处说明本文对你还是有帮助的,关于“AI工具使医生对治疗新型冠状病毒感染患者的肺部有了新的认识”留言是大家的经验之谈相信也会对你有益,推荐继续阅读下面的相关内容,与本文相关度极高!