約翰·霍普金斯大學的放射科醫(yī)生已經(jīng)重新設計了深度學習算法，該算法旨在檢測胸部X光片上的結核病，從而幫助識別COVID-19。

隊有它的工作發(fā)表在網(wǎng)上中華胸成像，并覆蓋由約翰霍普金斯大學新聞媒體集線器。

作者指出，唯一的警告是，當面對結核病常見但在COVID中罕見的肺部發(fā)現(xiàn)時，AI模型可能會返回COVID陽性診斷。

盡管如此，該算法仍正確地將88例COVID-19胸部X射線中的78例歸類為陽性。那是89%的成功率，并且在實驗室測試中證實了陽性病例。

概念驗證研究進一步表明，由模型生成的視覺熱圖在幾種情況下可能有用。

“由于流行病使發(fā)達國家的醫(yī)院不堪重負，協(xié)助非專業(yè)放射科醫(yī)生的診斷工具可能變得尤為重要，在發(fā)達國家，由于社會隔離和隔離與COVID-19簽訂合同的工人的要求，衛(wèi)生保健人員正在減少，而在發(fā)展中國家，這種情況很少專門的放射科醫(yī)生在基線工作?！敝饕髡哚t(yī)學博士Paul Yi和同事寫道。

此外，他們指出，諸如此類的深度學習模型可以用作分類工具，以快速隔離急診候診區(qū)中可能出現(xiàn)COVID陽性的患者。

在集線器的報道中，Yi說，重新設計模型的想法是由新型冠狀病毒的新穎性引發(fā)的。

他說：“我們的目標是證明從未學習過COVID-19案例的深度學習模型能夠識別這些案例。”“由于COVID-19是一種新型感染，因此目前尚無法使用大型數(shù)據(jù)集來訓練深度學習模型。我們假設可以使用外觀與COVID-19類似的其他感染圖像來訓練能夠識別這種新疾病的模型。”