0
雷鋒網按：本文譯自《洛杉磯時報》，作者Ashley Gold。
自從新冠肺炎在全球爆發以來，眾多醫學影像AI企業均開發了相關的醫學影像AI產品，并被廣泛使用。
其中，加州大學圣地亞哥分校（UCSD）衛生系統的Albert Hsiao團隊，已經在一項X射線胸片上識別肺炎的人工智能項目上研究了18個月。當新冠病毒襲擊美國時，他們決定看看這套系統能做什么。
研究人員迅速部署了他們的程序，該程序會在X射線圖像上打上有彩色斑點，用于勾畫肺損傷或肺炎跡象。UCSD增強成像和人工智能數據分析實驗室主任Hsiao表示，他們已經將其應用于6000多次胸部X射線檢測。
他的團隊，是疫情期間美國將AI計劃推向臨床應用的幾支重要團隊之一，執行的任務包括確定哪些患者面臨最大的并發癥風險，以及哪些患者可以安全地轉入低強度護理。
而像UCSD這樣的團隊在美國非常之多，基于AI，機器學習程序可滾動分析百萬條數據，以檢測出臨床醫生可能難以識別或者漏診的特征。
然而，很少有新冠檢測算法進行過嚴格的臨床測試。
AI專家警告說，盡管AI通常看起來很有幫助，但在疫情期推廣這些程序，可能會給醫生帶來較大的學習成本，同時在實際臨床使用過程中，也存在誤診問題。
斯克里普斯研究轉化研究所所長埃里克·托波爾（Eric Topol）博士說：“人工智能正在被用于檢測可疑的的影像特征。”
Eric Topol舉例了電子健康記錄供應商Epic創建的新冠AI系統，該系統可以預測哪些冠狀病毒患者可能會患重病。
Epic官方表示，該公司的模型已得到來自21個醫療組織16000多名住院的新冠患者數據驗證。Epic認知計算軟件開發人員James Hickman說，他們尚未發表有關新冠AI工具的結果，供第三方監管或鑒定研究人員評估。但無論如何，該工具“旨在輔助臨床醫生做出治療決策，但并不能代替他們的判斷。”
其他人則將新冠視為釋放AI價值的機會。
杜克大學（Duke University）數據科學研究員、FDA前首席信息官埃里克·佩拉克斯利斯（Eric Perakslis）說：“我的直覺是，新冠AI程序它有優點，但也不能否認它存在的諸多不足，但在疫情期間進行該研究很重要。”
2019年，美國有近20億美元的資本涌入了醫療AI行業。根據數字健康技術投資商Rock Health的數據，2020年第一季度的投資總額為6.35億美元，高于2019年第一季度的1.55億美元。
據Rock Health稱，至少有三家醫療AI公司因新冠相關產品完成融資，如肺部影像AI企業Vida Diagnostics。
總體而言，以往AI在臨床中的應用非常有限，然而，疫情加速了它的落地進程。
其中，UCSD的新冠AI模型，僅在兩周內就已完成訓練和測試。
目前UCSD團隊的項目已經得到了亞馬遜AWS、加利福尼亞大學和美國國家科學基金會的研究資助。通過AI算法對醫院拍攝的每張胸部X光進行檢查。
UCSD Health首席信息官Christopher Longhurst博士說，他們雖然尚未公布有關的數據，但醫生報告說這套工具直接輔助了三分之一的臨床決策。
他說：“迄今為止的結果令人鼓舞，我們沒有看到任何負面的結果。”
Longhurst說，人工智能在影像學方面比臨床醫學的其他領域更為先進，因為放射影像具有大量數據用于模型訓練。
約翰·霍普金斯大學研究人員最近獲得了美國國家科學基金會的資助，其項目可將AI用于預測新冠患者的心臟損害。
而在在紐約市，兩個主要的醫院系統正在使用支持AI算法，來幫助他們確定何時以及如何將患者轉移到另一階段的護理或送回家中。
西奈山臨床創新副總裁羅比·弗里曼說，在西奈山衛生系統，一種人工智能算法可以確定哪些新冠患者可以在72小時內準備出院。
NYU Langone Health也已開發了類似的AI模型，其預測分析團隊的負責人Yindalon Aphinyanaphongs博士說，AI可以預測進入醫院的新冠患者，在未來四天內是否會發生惡性情況。
該模型將在為期四到六周的試驗中運行，將患者隨機分為兩組：一組將接受警報的醫生，另一組不會接受警報的醫生。Aphinyanaphongs說，該算法可以幫助醫生生成一系列報告，預測患者入院后是否有發生并發癥的風險。
然而，部分衛生系統也對新冠AI并不感冒。
某醫療中心負責AI臨床整合的醫學信息學總監Ron Li說，斯坦福大學醫療保健部門并未使用AI管理新冠患者。
在醫院外，AI被用于幫助衛生系統，跟蹤未感染冠狀病毒但如果感染COVID-19可能易患并發癥的患者。
在Scripps Health，臨床醫生正在使用風險評分模型對患者進行分層，以評估其患上COVID-19和出現嚴重癥狀的風險，該模型考慮了年齡，慢性病和近期就診等因素。當患者得分7或更高時，分診護士會提供有關冠狀病毒的信息，并可以安排預約。
盡管緊急情況為嘗試先進的工具提供了獨特的機會，但是對于衛生系統來說，確保醫生對它們感到滿意并通過大量的測試和驗證謹慎使用這些工具至關重要，Topol說。
他說：“當人們在激烈的戰斗中，精力充沛時，有AI輔助是一件很棒的事。但我們需要確保算法和AI工具不會引起誤診，因為生命危在旦夕。”雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
