AI用于新冠肺炎病毒篩查管理

李垚

里茲萬·馬利克一直對AI感興趣，作為由英國國家衛(wèi)生局（NHS）運營的皇家博爾頓醫(yī)院的首席放射科醫(yī)生，他看到了讓工作變得更輕松的希望。在他的醫(yī)院中，患者通常需要等待六個小時或更長時間才能讓專科醫(yī)生應(yīng)用X射線檢測。如果急診室醫(yī)生可以從基于AI的工具中獲得初始讀數(shù)，則可以大大縮短等待時間。

馬利克之前親自設(shè)計了一項保守的臨床試驗，以幫助展示該技術(shù)的潛力。他從孟買的Qure.ai公司確定了一種基于AI的胸部X射線系統(tǒng)，稱為qXR，經(jīng)過多個醫(yī)院和NHS委員會的四個月審查，該提案最終獲得批準(zhǔn)。

病毒蔓延推動新技術(shù)

早期研究表明，在放射影像中，最嚴(yán)重的共生病例顯示出與病毒性肺炎相關(guān)的明顯肺部異常。由于PCR檢測（聚合酶鏈?zhǔn)椒磻?yīng)，用于快速診斷細(xì)菌性傳染病）的短缺和延誤，胸部X光檢查已成為醫(yī)生對患者進(jìn)行分類的最快、最經(jīng)濟(jì)的方法之一。

在數(shù)周之內(nèi)Qure.ai對qXR進(jìn)行了重組，以檢測COVID-19誘發(fā)的肺炎，而馬利克提出了一項新的臨床試驗，推動該技術(shù)進(jìn)行初始讀數(shù)。通常對工具和試驗設(shè)計的更新都會啟動一個全新的審批流程，但是由于時間緊迫，醫(yī)院立即批準(zhǔn)了調(diào)整后的提案。

加州大學(xué)圣地亞哥分校健康中心首席信息官克里斯·朗赫斯特說：“從總體上講，醫(yī)療保健中的人工智能非常令人興奮。” 在此次新冠肺炎病毒暴發(fā)之前，醫(yī)療保健AI已經(jīng)是一個蓬勃發(fā)展的研究領(lǐng)域。尤其是，深度學(xué)習(xí)在分析醫(yī)學(xué)圖像方面至少與人類專家一樣能準(zhǔn)確地識別乳腺癌、肺癌或青光眼等疾病，并顯示出令人印象深刻的結(jié)果，研究還表明，利用計算機(jī)視覺系統(tǒng)可以監(jiān)視家庭中的老年人和重癥監(jiān)護(hù)病房患者的狀態(tài)。

但是，將這些研究轉(zhuǎn)化為實際應(yīng)用存在很大的障礙，其中隱私問題使收集足夠的數(shù)據(jù)用于訓(xùn)練算法便可以引發(fā)很多爭論，這些問題使監(jiān)管機(jī)構(gòu)在批準(zhǔn)時會更加謹(jǐn)慎。即使對于確實獲得認(rèn)證的申請，醫(yī)院也擁有一套自己的密集審查程序和既定規(guī)程。加州大學(xué)圣地亞哥分校醫(yī)療放射學(xué)家艾伯特·西說：“我們依然是沿用基于胸部X光檢查COVID-19的方法，除非被迫要求改變檢測方式。”

皮埃爾·杜蘭德是法國的醫(yī)師和放射科醫(yī)生，他在2018年與他人共同創(chuàng)立放射學(xué)公司Vizyon時遇到了同樣的困難。該公司以中間人身份運作：Qure.ai和一家位于漢城的初創(chuàng)公司Lunit向醫(yī)院提供一些項目支持。杜蘭德說：“客戶對用于成像的人工智能技術(shù)很感興趣，但是他們在臨床中找不到合適的位置。”

但COVID-19的暴發(fā)改變了這一情況，法國由于病例量開始使醫(yī)療保健系統(tǒng)不堪重負(fù)，而且政府未能加大檢測力度，通過胸部X光檢查對患者進(jìn)行分流（盡管不如PCR診斷準(zhǔn)確）成為后備解決方案。即使對于可以進(jìn)行基因檢測的患者，結(jié)果也可能至少需要12個小時，有時甚至要幾天才能返回，對于決定是否隔離某人的醫(yī)生來說，等待時間太長。相比之下，使用Lunit軟件的Vizyon系統(tǒng)只需10分鐘即可掃描患者并計算出感染的可能性。（Lunit表示，初步研究發(fā)現(xiàn)，該工具在風(fēng)險分析方面可與人類放射線醫(yī)生媲美，但該研究尚未發(fā)表。）“當(dāng)病人扎堆兒的時候，AI的確很有吸引力。”杜蘭德說。

全球眾多的醫(yī)療機(jī)構(gòu)都在尋求借助AI來幫助管理新冠肺炎病毒的方法

Qure.ai的qXR系統(tǒng)通過胸部X線掃描突出顯示了肺部異常

AI區(qū)分患者類型達(dá)到95%準(zhǔn)確度

Vizyon已與該國兩家最大的醫(yī)院簽署了合作伙伴關(guān)系，并表示正在與中東和非洲的醫(yī)院進(jìn)行談判。同時，Qure.ai現(xiàn)在已經(jīng)在現(xiàn)有客戶的基礎(chǔ)上擴(kuò)展到意大利、美國和墨西哥。Lunit現(xiàn)在還與法國、意大利、墨西哥和葡萄牙的四家新醫(yī)院合作。

除了評估的速度之外，杜蘭德還指出了其他可能促使醫(yī)院在病毒大流行期間采用人工智能的方法。Lunit首席執(zhí)行官布蘭登·蘇說：“這是展示AI實用性的好方法，一旦人們開始使用我們的算法，他們就永遠(yuǎn)不會停止。”危機(jī)發(fā)生前，Qure.ai和Lunit的肺部篩查產(chǎn)品均已獲得歐盟健康與安全機(jī)構(gòu)的認(rèn)證。在調(diào)整工具以實現(xiàn)聯(lián)合時，兩家公司重新利用了已經(jīng)批準(zhǔn)的相同功能。

例如，Qure.ai的qXR使用深度學(xué)習(xí)模型的組合來檢測常見類型的肺部異常。為了對其進(jìn)行改型，該公司與專家小組合作，回顧了最新的醫(yī)學(xué)文獻(xiàn)并確定了共生誘導(dǎo)的肺炎的典型特征，例如圖像中的不透明斑塊具有“毛玻璃”圖案和兩側(cè)密集區(qū)域的肺，算法將這些知識編碼到qXR中，從而使該工具能夠根據(jù)掃描中顯示的特征數(shù)量來計算感染風(fēng)險。該公司對11000幅患者圖像進(jìn)行的初步驗證研究發(fā)現(xiàn)，該工具能夠以95%的準(zhǔn)確度區(qū)分共生患者和非共生患者。

但是并非所有公司都如此嚴(yán)格，在危機(jī)的初期，馬利克與36家公司交換了電子郵件，并與24家公司進(jìn)行了交談，所有這些公司都向他推薦了基于AI的COVID-19篩選工具。他說：“其中大多數(shù)都是垃圾，處于危機(jī)深淵的醫(yī)院可能沒有時間進(jìn)行盡職調(diào)查。”

世界經(jīng)濟(jì)論壇（World Economic Forum）AI和機(jī)器學(xué)習(xí)負(fù)責(zé)人凱·弗斯·巴特菲爾德敦促醫(yī)院不要削弱監(jiān)管協(xié)議，或在未經(jīng)適當(dāng)驗證的情況下正式簽訂長期合同。她說：“使用人工智能來幫助應(yīng)對這種流行病顯然是一件很棒的事情，但是AI帶來的問題也很多，醫(yī)院應(yīng)該利用這一機(jī)會與公司進(jìn)行臨床試驗合作，在宣布將其作為護(hù)理標(biāo)準(zhǔn)之前，要有明確的依據(jù)。”

Qure.ai的qXR系統(tǒng)可以檢測到的肺部異常類型