AI算法在计算机断层扫描扫描中对COVID-19肺炎进行分类

这项发表在《自然通讯》上的研究表明，这项新技术还可以克服当前测试的一些挑战。

研究人员证明，可以训练AI算法在计算机断层扫描（CT）扫描中对COVID-19肺炎进行分类，准确率高达90%，并且可以正确地识别出84%的阳性病例和93%的阴性病例。

与经常使用的逆转录聚合酶链反应或RT-PCR测试相比，CT扫描可更深入地了解COVID-19的诊断和进展。这些测试具有较高的假阴性率，处理延迟和其他挑战。

CT扫描的另一个好处是，它们可以在没有症状的人中，有早期症状的人中，在疾病严重期间以及症状消失后检测出COVID-19。

但是，并不总是建议将CT作为COVID-19的诊断工具，因为这种疾病在扫描中通常看起来与流感相关的肺炎相似。

UCF计算机科学系助理教授Ulas Bagci说，新开发的UCF联合算法可以通过准确识别COVID-19病例并将其与流行性感冒区分开来解决此问题，从而为医生提供了巨大的潜在帮助。 。

Bagci是该研究的合著者，并帮助领导了该研究。

Bagci说：“我们证明了基于深度学习的AI方法可以用作帮助医疗保健系统和患者的标准化和客观的工具。”“它可以在非常特殊的有限人群中用作补充测试工具，如果不幸再次爆发，可以迅速大规模使用。”

Bagci是开发AI的专家，可以协助医生，包括在CT扫描中使用AI检测胰腺癌和肺癌。

他还拥有两个大型的美国国立卫生研究院（National Institutes of Health）赠款，探讨这些主题，包括250万美元用于深度学习检查胰腺囊性肿瘤，以及200万美元用于研究人工智能在肺癌筛查和诊断中的应用。

为了进行这项研究，研究人员训练了一种计算机算法来识别来自中国，日本和意大利的1，280名多国患者的肺部CT扫描中的COVID-19。

然后，他们在1，337例肺部疾病（从COVID-19到癌症和非COVID肺炎）的CT扫描中测试了该算法。

当他们将计算机的诊断结果与医生确认的结果进行比较时，他们发现该算法非常擅长准确诊断肺中的COVID-19肺炎并将其与其他疾病区分开，特别是在疾病发展的早期阶段检查CT扫描时。

Bagci说：“我们证明了健壮的AI模型可以在独立的测试人群中达到90%的准确性，在与非COVID-19相关的肺炎中保持高特异性，并能为看不见的患者人群和中心提供足够的通用性，” Bagci说。

UCF研究人员与研究合著者Baris Turkbey和Bradford J. Wood长期合作。Turkbey是美国国立卫生研究院国家癌症研究所分子影像学分会的副研究医师，伍德是美国国立卫生研究院介入肿瘤学中心的主任和美国国立卫生研究院临床中心的介入放射学主任。

这项研究得到了美国国立卫生研究院介入肿瘤学中心和国立卫生研究院的院内研究计划，院内NIH赠款，NIH院内靶向抗COVID-19计划，美国国立癌症研究所和NIH的资助。

Bagci在英国诺丁汉大学获得计算机科学博士学位，并于2015年加入UCF的计算机科学系（隶属于工程和计算机科学学院）。他是UCF科学应用国际公司（SAIC）的主席。计算机科学和UCF计算机视觉研究中心的教职员工。上汽集团是一家位于弗吉尼亚州的政府支持和服务公司。

责任编辑：lq