无监督人工智能预测COVID-19的进展和患者的生存
快速准确的临床评估疾病进展和死亡率对于COVID-19患者的管理至关重要。虽然已经提出了一些预测器，但它们仅限于主观评估、半自动化方案或监督式深度学习方法。这样的预测器是主观的，或者需要费力地注释训练案例。
一项多中心研究发表在医学图像分析麻省总医院(MGH) 3D成像研究主任Hiroyuki Yoshida博士领导的研究团队表明，基于计算机断层扫描的无监督深度学习可以提供比现有的预后性能显著更高的预后性能实验室测试现有的基于图像的视觉和定量生存预测。的模型可以预测每个患者COVID-19进展的时间，从而预测患者入院的时间重症监护室或者当病人生病的时候，其他基于图像的东西预测模型不能做的事。该模型计算出的时间信息还能够比其他预测因子更广泛地将患者分层为低高危组。
“我们的研究结果表明预测与之前建立的参考预测器相比，无监督人工智能模型的性能显著提高，预测误差显著降低，”吉田说。“使用无监督人工智能作为生存预测模型的一个组成部分，使得直接从患者的原始CT图像中进行预后预测成为可能，其准确度比以前的定量成像更高。”
在最近发表的一项同伴研究中自然在美国，该团队已经证明，有监督的人工智能可用于从胸部CT图像中预测COVID-19患者的生存。然而，新的无监督AI模型通过避免以前预测器的技术限制和费力的注释工作而取得了新的突破，因为使用生成式对抗网络可以直接从图像中训练出完整的端到端生存分析模型。“这是一种更加精确和高度先进的人工智能技术，”吉田解释道。
虽然这项研究仅限于COVID-19患者，但研究小组认为，该模型也可以推广到其他疾病。吉田说:“诸如长冠状病毒、Delta变异，或将模型推广到医学图像中显示的其他疾病等问题，都是这种无监督人工智能模型的有前途的应用。”
进一步探索
Janne J. Näppi等人，COVID-19患者疾病进展和死亡率的u -生存预测，科学报告(2021)。DOI: 10.1038 / s41598 - 021 - 88591 - z
