返回栏目
首页人工智能 • 正文

谷歌开发AI系统可以将异常病例的检测周转时间缩短28%

发布时间:  来源:河洛网

最近,谷歌团队的另一个重要研究成果刊登在了Nature子刊上。 该研究成果主要阐明了正常和异常胸片深度学习的差异,以及结核病和COVID-19两种致病因子不明显的疾病的概括。

谷歌开发AI系统可以将异常病例的检测周转时间缩短28%

值得注意的是,在人工智能系统优先处理异常病例的模拟工作流程中,异常病例的周转时间可以缩短28%,这与人工智能评价系统是否能够安全应用于从未见过异常的情况有关。

9月1日, 相关论文包括《用于正常和异常胸片深度学习的差异及其对结核病和COVID-19两种隐形疾病的概述》( Deeple Arning Fordisting uishing Normal versusabnormal Chestradion ) tototo ) )并在scientific报告中发表。

照片|相关论文(出处: Scientific Reports ( ) ( ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) 65

谷歌健康小组成员丹尼尔·; 谢( Daniel Tse )、博轩·; 卡梅伦与米德; 陈(音译( Po-Hsuan Cameron Chen )和舒拉维亚·; 谢蒂( Shravya Shetty )担任联合通讯作者。

胸腔放射线影像作为一种使用频率较高的胸腔临床影像摄影模式,在指导心脏病管理中有着重要的作用。 以往,检测特定胸腔放射异常( Chest Radiography,CXR )的研究是许多人工智能系统的主要焦点。

照片|胸部x光(来源: YouTube视频截图) ) ) ) )。

但是,由于CXR的异常范围非常广,每个人工智能系统都需要检测一个或多个预先指定的条件。 因此,通过建立一些单独的人工智能系统,试图检测出各自可能发生的情况与实际情况不一致。

面对这一挑战,该团队进行了人工智能系统的开发和深度评估,将CXR辐射分为正常和异常两大类。 为了调整CXR系统,该团队开发了深度学习系统( Deep Learning System,DLS ),在印度5个城市的5家医院中对约2万4800名患者进行了数据集识别,在印度、中国、美国的6家国际数据

照片|DLS研究设计形象(来源: Scientific Reports ) )

这些数据集有4种以AI未接受检测培训为重点的疾病,其他4种分别为2个结核病数据集和2个2019年冠状病毒疾病数据集。 该小组的研究成果显示,AI系统可以使用包括各种胸腔放射异常在内的大数据集进行训练,这些异常可以分为新患者和症状不明的疾病组。 为了促进CXR AI模型的持续开发,团队发表了用于公开提供他们收集的数据集的标签。

该研究成果表明,可靠的AI系统能区分正CXR的正常或异常状态,对患者的日常运动和管理有一定的益处。

首先,对于放射科医师的大考核,AI算法可以用于识别低患病可能性病例,有助于医疗专家快速排除特定的差异诊断,将更多的工作时间用于其他方向的疾病诊断。 随后,将可能患病的病例合并为一组,进行优先审查,缩短检查周转的时间。

其次,在大规模疾病发生期间,在临床需求超过放射科医生可用性的环境中,该人工智能系统有可能被用作非放射科医生的前沿护理网站工具。 更重要的是,需要用人工智能评价开发中未遇到的异常CXR,验证其对新疾病和新疾病的鲁棒性。

谷歌的研究人员在论文中指出,在某些情况下,深度学习模式在放射线检查方面具有很大的优势,能够大幅提高放射科医生的工作效率。

这个小组的研究成员是“ DLS系统有助于优先考虑异常的CXR,以便无论是在比较健康的门诊实践中,还是在繁忙的住院和门诊环境中,都可以迅速向放射科医生解释。

在这项工作中,小组在一定条件下评估了这些有助于验证DLS的数据的性能,并使用相同的数据进行了其他研究的基准测试。

为了更好地理解DLS在逆转录聚合酶链反应( reverse transcription-polymerasechainreaction,RT-PCR )灵敏度中的潜在影响,该小组将针对COVID-19的情况进行研究 这个案例在初期测试中是“ 假阴性” rt -核酸检测的结果被定义为阴性rt -核酸检测,之后5天内被检测为阳性,在这21种情况下,DLS的灵敏度达到了95.2%。

照片|真阳性和假阳性的样本CXR (来源: Scientific Reports ) )。

为了了解他们可以发布的DLS如何帮助放射科医生练习,他们调查了两个基于DLS的模拟工作流。 放射科医生尚未审查DLS阴性病例,这些案例包括“ 常规与” 基于评价目的,其有效的即时表达令人满意。

虽然放射科医生和顺序上DLS放射科医生的设定之间的性能差异很小,但DS-1和CXR-14的有效性“ 紧急” 案例量减少25%-30%,结核病数据集减少约40%,COVID-19数据集减少约5-10%。

照片|DLS放射性图像(来源:科学报告( Scientific Reports ) ) ) ) ) ) ) ) ) ) ) ) ) ) )。

该团队开发的DLS解释了CXR是否异常,利用6个数据集进一步验证了其适应性。 其中包括两个广泛的临床数据集,两个未发现疾病的数据集,以及两个未发现疾病的数据集。

总之,该团队已经开发并评估了可用于临床相关胸部x光检查的人工智能模型,并对6个不同数据集的适用性进行了评估。 该小组希望,其研究成果中的性能分析和公开可用CXR-14图像的专属标签的发表,将促进临床CXR人工智能模型的持续发展。

【编辑推荐】

    相关文章Related

    返回栏目>>

    河洛网首页

    Copyright © 2019 河洛网 版权所有 dahuimr@163.com