2021年10月22日

价值一千字:自动诊断COVID-19从胸部CTs

在大邱韩国庆北科技学院

当前黄金标准COVID-19诊断鼻拭子逆转录聚合酶链反应紧随其后。但这些测试耗时,需要前几天结果是可用的。这浪费关键时刻在疾病的治疗和预防。最近,韩国科学家发明了一种计算机化的框架,能够迅速、准确地解释胸部CT扫描在几分钟内提供COVID-19诊断,可能改变我们如何解决这种疾病。

在18个月,新型冠状病毒(SARS-CoV-2)已经感染了1800万多人,造成超过690000人死亡。当前的标准诊断通过逆转录聚合酶链反应是有限的由于它的低敏感性,误报率高,长时间测试。这使得很难迅速识别感染患者,为他们提供治疗。此外,有可能仍然会传播疾病的患者在等待他们的诊断测试的结果。

胸部CT扫描已成为一个快速和有效的方法来诊断疾病,但是它们需要放射科医师专业知识来解释,有时扫描类似于其他种类的肺部感染,如细菌性肺炎。现在,一项新的纸医学图像分析由一组科学家,包括大邱韩国庆北科学研究所(DGIST)、韩国、自动化的技术细节和准确的解释胸部CT扫描。”学者同样COVID大流行的影响,我们希望用我们的专业知识在医学图像分析来帮助更快的诊断和提高临床工作流,”教授说唱歌Hyun公园和菲利普Chikontwe DGIST,他领导了这一研究。

建立诊断框架,研究小组使用了机器学习技术称为“多个实例学习”(MIL)。在MIL,机器学习算法是使用集“训练”,或“袋”,多个例子叫做“实例”。The MIL algorithm then uses these bags to learn to label individual examples or inputs. The research team trained their new framework, called dual attention contrastive based MIL (DA-CMIL), to differentiate between COVID and bacterial pneumonia, and found that its performance was on par to other state-of-the-art automated image analysis methods. Moreover, the DA-CMIL algorithm can leverage limited or incomplete information to efficiently train its AI system.

“我们的研究可以从技术和临床的角度。首先,这里介绍的算法可以扩展到类似的设置与其他类型的医学图像。第二,“双重关注”,特别是在模型中使用的空间注意,提高的可解释性算法,这将帮助临床医生了解自动化解决方案做出决定,”Chikontwe先生解释公园和教授。