COVID-Net和基于開放源代碼人工智能的平臺(tái)研究了由冠狀病毒疫情引起的肺部損傷，以幫助對(duì)抗這種疫情。

隨著美國(guó)各地再次出現(xiàn)冠狀病毒病例感染的數(shù)量，努力保持行業(yè)領(lǐng)先地位的醫(yī)護(hù)人員在COVID-Net中使用了一種新穎的方法來應(yīng)對(duì)疫情，COVID-Net是一個(gè)基于人工智能的開源平臺(tái)，使用放射肺以確定冠狀病毒特異性肺損傷的圖像，并評(píng)估該損傷的程度。

該技術(shù)是在疫情初期的3月開發(fā)的，但隨著越來越多的組織采用它，它作為醫(yī)療保健中人工智能的一個(gè)例子而受到越來越多的關(guān)注。

盡管該非營(yíng)利項(xiàng)目由RedHat公司、波士頓兒童醫(yī)院和人工智能初創(chuàng)廠商DarwinAI公司牽頭，但它是加拿大滑鐵盧大學(xué)與DarwinAI之間的合作開始的。

DarwinAI公司首席執(zhí)行官SheldonFernandez表示：“COVID-Net是一項(xiàng)旨在為應(yīng)對(duì)冠狀病毒疫情而做出貢獻(xiàn)的舉措。我們將這個(gè)平臺(tái)開源，不希望它商業(yè)化運(yùn)營(yíng)。我們希望它只是為從業(yè)者提供另一種工具，他們可以利用這些工具來對(duì)抗疫情。這就是動(dòng)機(jī)?！?/p>

Fernandez表示，并且當(dāng)疫情成為全球性問題并且全世界的研究人員將醫(yī)療保健中的人工智能作為理解該領(lǐng)域的潛在有價(jià)值的工具時(shí)，已經(jīng)在與其研究人員合作進(jìn)行其他項(xiàng)目。并診斷冠狀病毒病例。

他說，在七天內(nèi)，他們能夠利用DarwinAI公司的技術(shù)開發(fā)一個(gè)平臺(tái)，該平臺(tái)不僅幫助研究人員確定冠狀病毒疫情留下獨(dú)特的視覺標(biāo)記，而且還使用機(jī)器學(xué)習(xí)技術(shù)來訓(xùn)練系統(tǒng)以區(qū)分冠狀病毒的圖像，感染的肺部以及健康的肺部圖像或因冠狀病毒以外的原因而受損的肺部圖像。

Fernandez說：“我們對(duì)此很快就進(jìn)行了調(diào)整，并詢問是否可以利用我們的領(lǐng)域?qū)I(yè)知識(shí)并將其應(yīng)用在應(yīng)對(duì)疫情。因此，我們向系統(tǒng)提供了所有這些圖像，并使用我們的技術(shù)非常迅速地創(chuàng)建了一個(gè)系統(tǒng)，該系統(tǒng)開始發(fā)現(xiàn)肺部的這些波動(dòng)，而呼吸系統(tǒng)是冠狀病毒的標(biāo)志，并且隨著時(shí)間的推移，該系統(tǒng)變得越來越智能?！?/p>

但是，該過程緩慢且麻煩，并且無法足夠快地處理大量圖像，因此特別有用。此外，人工智能技術(shù)不是用戶友好的，需要具有工程技能的人才能操作。為了解決這些問題，在RedHat的幫助下，COVID-Net團(tuán)隊(duì)與波士頓兒童醫(yī)院建立了聯(lián)系，后者開發(fā)了一個(gè)容器平臺(tái)，該平臺(tái)現(xiàn)在稱為ChRIS，可在OpenShift和OpenStack上運(yùn)行。

哈佛醫(yī)學(xué)院放射學(xué)助理教授RudolphPienaar表示：“他們已經(jīng)開發(fā)了COVID-Net，但實(shí)際上并沒有部署它的方法，至少不是簡(jiǎn)單地以對(duì)臨床醫(yī)生有用的方式進(jìn)行部署?！?/p>

波士頓兒童醫(yī)院的研究員和科學(xué)家表示，“這就是我們進(jìn)行研究的地方。他們正在尋找某種機(jī)制來部署他們的應(yīng)用程序，并為他們的應(yīng)用程序構(gòu)建用戶界面，以供像醫(yī)護(hù)人員使用?！?/p>

Pienaar表示，將現(xiàn)有的COVID-Net技術(shù)與ChRIS平臺(tái)集成在一起的過程大約需要三天。

他說：“花費(fèi)更多的時(shí)間來構(gòu)建引人注目的用戶界面，以將該功能提供給最終用戶。其中一部分在概念上是在DarwinAI上完成的?！?/p>

盡管該平臺(tái)可用作確定患者是否感染了冠狀病毒的診斷工具，但這并不是該技術(shù)的主要推薦用途，因?yàn)槭褂檬米訕颖具M(jìn)行的基于化學(xué)的測(cè)試更為準(zhǔn)確。Pienaar表示，該平臺(tái)最有用的一種方法是作為分類診斷工具，以幫助醫(yī)生確定在冠狀病毒病例不堪重負(fù)的醫(yī)療機(jī)構(gòu)中誰最需要醫(yī)療。

他補(bǔ)充說：“真正的好處是防止人眼疲勞。對(duì)我來說，這是這類醫(yī)學(xué)診斷的主要內(nèi)容。一個(gè)人能夠做出非常準(zhǔn)確準(zhǔn)確的診斷，但會(huì)感到疲勞。機(jī)器算法可能無法總是做出良好的預(yù)測(cè)，有時(shí)甚至?xí)咏蚩赡軙?huì)更好。但對(duì)于相同的輸入，它總是會(huì)提供相同的結(jié)果。它不會(huì)感到疲倦，不會(huì)變得無聊。從這個(gè)角度來看，它將更加可靠?！?/p>

實(shí)際上，這種好處是在醫(yī)療保健中使用人工智能的主要推動(dòng)力。

該項(xiàng)目的GitHub存儲(chǔ)庫中提供了描述COVID-Net及其在醫(yī)療保健中人工智能的方法的源代碼、文檔、數(shù)據(jù)集和科學(xué)論文。
責(zé)編AJX