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！
