AI工具使医生在治疗Covid-19的肺部提供新的肺部

普林斯顿研究人员开发了普林斯顿研究人员对Covid-19大流行的刺激，分析了患病肺部模式的胸部X射线的诊断工具。新工具可以在护理点迅速和便宜地向医生提供有关患者条件的有价值的信息。

电气工程教授和项目的主要调查员Jason Fleischer表示，他在阅读Covid-19在毁灭范围之后创建工具。由于医院与患者一起过度，医生已经观察了两种基本类型的肺部损伤，再立即危及危及的肺部伤害。治疗可以在类型之间有所不同，因此区分两者可以改善护理，更好地分配稀缺资源。

虽然当前的差异化方法涉及昂贵且耗时的程序，例如计算机断层扫描（CT）扫描，但是Fleischer的机器学习模型看起来简单的X射线图像，并且即使为专家的眼睛也是过于微妙的模式。该工具将向医生提供一种确定Covid-19肺炎的类型和严重程度的新措施。而这个过程在地面上很简单。

“重要的是，实践中没有变化，”Fleischer说。“技术人员不必以不同的方式做任何事情。医院不必做任何新的程序。与他们已经拥有的X射线，我们可以为他们提供此额外信息。”

Fleischer和研究生Mohammad Tariqul Islam发布了一篇文章，详细说明了他们在Medrxiv的工作（发音为MED档案），这是一家科学家的服务器，以造成早期草稿的形式分享结果，而一篇论文经历了正式的编辑过程。在这篇文章时，Fleischer的纸张“使用单个X射线图像区分Covid-19的L和H表型”尚未得到同行评审。

“单X射线扫描没有分辨率断层扫描扫描的类型，”布朗大学的一名专家和工程教授都没有参与这项研究。他说，Fleischer的集团已经确定了他们的论文的重要问题，试图以一种非常实用的方式解决如何使用更容易获得的X射线来快速筛选Covid-19患者，并且基本上分类或将它们分类为类型治疗他们应该得到。“

“我以为是非常完全的，”Toussaint说。

John Hansen-Flaschen博士，宾夕法尼亚大学哈隆龙中心的创始医务总监也没有参与本研究，强调了这种情况的复杂性。他表示怀疑，处理图像的任何一种方法都可以解决问题，但他留下了粪便工具的可能性，作为整体的一部分，可能是有价值的。

Fleischer同意他的工具不是灵丹妙药。他的目标是协助医生 - 不要取代决策，而是为了帮助它。通过这种方式，X射线图像的机器学习可能在大流行的关键领域以及超越Covid-19的呼吸系统中产生重大影响，例如哮喘。

这项工作基于卢西亚诺·格特尼尼博士的医学制品，描述了这两个条件。许多Covid-19例显示熟悉的肺炎形式，其中衬里患者肺部的微小囊仍然是僵硬和浓重的液体。刚度限制呼吸并防止氧气转移到血液中。这种形式的处理涉及用机械呼吸机插管，计算机化机器控制患者的呼吸。但超过一半的患者看起来更像是一个生病的登山者：血氧水平危险地低，但肺部工作相当好，呼吸几乎正常。在这些情况下，机械通风会损伤肺部，加剧疾病。该第二类别要求在Gattinoni的系统博士下进行较少的侵入性治疗，例如低压氧，身体重新定位，以及睡眠呼吸暂停装置的使用。

在另一篇论文中，在4月下旬发表，Gattinoni和他的同事写道：“不同重症监护单位的死亡率范围广泛地提出了通风管理方法可能导致结果的可能性。”简而言之，医生应在将患者放在机械呼吸机上之前确定正确的症状类别。

Gattinoni已经遇到了二分法的一些怀疑。“我们是个个性化医学的时代，”瑞士密集型医学会长的主席Thierry Fumeaux博士在一封电子邮件中写道。他说，医生正在根据他们独特的一系列症状治疗患者，因此强大的分类区别可能在临床上有用。但Fumeaux也在最终分析中推迟，指出Gattinoni是急性呼吸窘迫综合征的领先权力。

虽然这个论点在医学界可能是重要的，但Fleischer认为他的技术是有用的。机器学习是个性化医学未来的关键，逃放的X射线分析工具是该路径的一步。Gattinoni引用的条件是在光滑频谱的每一端是两个不同的类别或两极，医生同意更多信息将有助于决定是否将患者放在呼吸机上。

“如果你可以区分谁是一个有利的响应者，谁不是，”Fleischer说，“无论你说这是二进制还是连续几乎旁边。即使它是连续的，也有利益。”

Gattinoni表示，CT扫描目前是揭示疾病肺部模式的最佳方式。但是CT扫描，它将许多X射线图像与多个角度组合成单个图片，是耗时和非常昂贵的。即使在良好的医院，扫描程序也需要时间安排和执行。对于病毒患者来说，对他们和工作人员来说都是危险的转换设施。当人力资源紧张时，因为他们已经在皇家的医院到雅加达，这些程序征税。在许多农村或发展领域，CT根本不是一种选择。

人工智能可以帮助医生造成难以解释的数据感。“我一直致力于主要用于物理学的机器学习，”Fleischer说。“通过云层成像，发现流体将流动在湍流等中流动等”在由Darpa和空军赞助的工作中，他开发了AI来分析噪声图像，使用算法发现底层动态方程并预测未来运动。在过去的十年中，他利用这种专业知识来发展生物医学成像的进步，包括卵巢癌和脚传感器的超声技术，以发现糖尿病的发作。

与过去的生物医学创新一样，新的Covid-19工具旨在处理嘈杂和复杂的信息，并更容易解释该领域的临床医生，他们必须必须与不完美的数据做出决策，有时在极端的胁迫下。逃避希望在选择患者的治疗过程时，它可以让医生提供更高的信心。最后，就像他的同事一样，他叛逆了专家。

考虑到其警告及其更好的护理承诺，Fleischer向可能从他的技术中受益的患者提供建议。

“听你的医生，”他说。

---

---