眾多醫(yī)學(xué)影像AI企業(yè)開發(fā)了相關(guān)的醫(yī)學(xué)影像AI產(chǎn)品

　　自從新冠肺炎在全球爆發(fā)以來，眾多醫(yī)學(xué)影像AI企業(yè)均開發(fā)了相關(guān)的醫(yī)學(xué)影像AI產(chǎn)品，并被廣泛使用。

　　其中，加州大學(xué)圣地亞哥分校（UCSD）衛(wèi)生系統(tǒng)的Albert Hsiao團(tuán)隊(duì)，已經(jīng)在一項(xiàng)X射線胸片上識(shí)別肺炎的人工智能項(xiàng)目上研究了18個(gè)月。當(dāng)新冠病毒襲擊美國時(shí)，他們決定看看這套系統(tǒng)能做什么。

　　研究人員迅速部署了他們的程序，該程序會(huì)在X射線圖像上打上有彩色斑點(diǎn)，用于勾畫肺損傷或肺炎跡象。UCSD增強(qiáng)成像和人工智能數(shù)據(jù)分析實(shí)驗(yàn)室主任Hsiao表示，他們已經(jīng)將其應(yīng)用于6000多次胸部X射線檢測。

　　他的團(tuán)隊(duì)，是疫情期間美國將AI計(jì)劃推向臨床應(yīng)用的幾支重要團(tuán)隊(duì)之一，執(zhí)行的任務(wù)包括確定哪些患者面臨最大的并發(fā)癥風(fēng)險(xiǎn)，以及哪些患者可以安全地轉(zhuǎn)入低強(qiáng)度護(hù)理。

　　而像UCSD這樣的團(tuán)隊(duì)在美國非常之多，基于AI，機(jī)器學(xué)習(xí)程序可滾動(dòng)分析百萬條數(shù)據(jù)，以檢測出臨床醫(yī)生可能難以識(shí)別或者漏診的特征。

　　然而，很少有新冠檢測算法進(jìn)行過嚴(yán)格的臨床測試。

　　AI專家警告說，盡管AI通?？雌饋砗苡袔椭谝咔槠谕茝V這些程序，可能會(huì)給醫(yī)生帶來較大的學(xué)習(xí)成本，同時(shí)在實(shí)際臨床使用過程中，也存在誤診問題。

　　斯克里普斯研究轉(zhuǎn)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?！?/p>

　　Eric Topol舉例了電子健康記錄供應(yīng)商Epic創(chuàng)建的新冠AI系統(tǒng)，該系統(tǒng)可以預(yù)測哪些冠狀病毒患者可能會(huì)患重病。

　　Epic官方表示，該公司的模型已得到來自21個(gè)醫(yī)療組織16000多名住院的新冠患者數(shù)據(jù)驗(yàn)證。Epic認(rèn)知計(jì)算軟件開發(fā)人員James Hickman說，他們尚未發(fā)表有關(guān)新冠AI工具的結(jié)果，供第三方監(jiān)管或鑒定研究人員評(píng)估。但無論如何，該工具“旨在輔助臨床醫(yī)生做出治療決策，但并不能代替他們的判斷?！?/p>

　　其他人則將新冠視為釋放AI價(jià)值的機(jī)會(huì)。

　　杜克大學(xué)（Duke University）數(shù)據(jù)科學(xué)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(yōu)點(diǎn)，但也不能否認(rèn)它存在的諸多不足，但在疫情期間進(jìn)行該研究很重要。”

　　2019年，美國有近20億美元的資本涌入了醫(yī)療AI行業(yè)。根據(jù)數(shù)字健康技術(shù)投資商Rock Health的數(shù)據(jù)，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(jù)Rock Health稱，至少有三家醫(yī)療AI公司因新冠相關(guān)產(chǎn)品完成融資，如肺部影像AI企業(yè)Vida Diagnostics。

　　總體而言，以往AI在臨床中的應(yīng)用非常有限，然而，疫情加速了它的落地進(jìn)程。

　　其中，UCSD的新冠AI模型，僅在兩周內(nèi)就已完成訓(xùn)練和測試。

　　目前UCSD團(tuán)隊(duì)的項(xiàng)目已經(jīng)得到了亞馬遜AWS、加利福尼亞大學(xué)和美國國家科學(xué)基金會(huì)的研究資助。通過AI算法對(duì)醫(yī)院拍攝的每張胸部X光進(jìn)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(guān)的數(shù)據(jù)，但醫(yī)生報(bào)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(jié)果令人鼓舞，我們沒有看到任何負(fù)面的結(jié)果?！?/p>

　　Longhurst說，人工智能在影像學(xué)方面比臨床醫(yī)學(xué)的其他領(lǐng)域更為先進(jìn)，因?yàn)榉派溆跋窬哂写罅繑?shù)據(jù)用于模型訓(xùn)練。

　　約翰·霍普金斯大學(xué)研究人員最近獲得了美國國家科學(xué)基金會(huì)的資助，其項(xiàng)目可將AI用于預(yù)測新冠患者的心臟損害。

　　而在在紐約市，兩個(gè)主要的醫(yī)院系統(tǒng)正在使用支持AI算法，來幫助他們確定何時(shí)以及如何將患者轉(zhuǎn)移到另一階段的護(hù)理或送回家中。

　　西奈山臨床創(chuàng)新副總裁羅比·弗里曼說，在西奈山衛(wèi)生系統(tǒng)，一種人工智能算法可以確定哪些新冠患者可以在72小時(shí)內(nèi)準(zhǔn)備出院。

　　NYU Langone Health也已開發(fā)了類似的AI模型，其預(yù)測分析團(tuán)隊(duì)的負(fù)責(zé)人Yindalon Aphinyanaphongs博士說，AI可以預(yù)測進(jìn)入醫(yī)院的新冠患者，在未來四天內(nèi)是否會(huì)發(fā)生惡性情況。

　　該模型將在為期四到六周的試驗(yàn)中運(yùn)行，將患者隨機(jī)分為兩組：一組將接受警報(bào)的醫(yī)生，另一組不會(huì)接受警報(bào)的醫(yī)生。Aphinyanaphongs說，該算法可以幫助醫(yī)生生成一系列報(bào)告，預(yù)測患者入院后是否有發(fā)生并發(fā)癥的風(fēng)險(xiǎn)。

　　然而，部分衛(wèi)生系統(tǒng)也對(duì)新冠AI并不感冒。

　　某醫(yī)療中心負(fù)責(zé)AI臨床整合的醫(yī)學(xué)信息學(xué)總監(jiān)Ron Li說，斯坦福大學(xué)醫(yī)療保健部門并未使用AI管理新冠患者。

　　在醫(yī)院外，AI被用于幫助衛(wèi)生系統(tǒng)，跟蹤未感染冠狀病毒但如果感染COVID-19可能易患并發(fā)癥的患者。

　　在Scripps Health，臨床醫(yī)生正在使用風(fēng)險(xiǎn)評(píng)分模型對(duì)患者進(jìn)行分層，以評(píng)估其患上COVID-19和出現(xiàn)嚴(yán)重癥狀的風(fēng)險(xiǎn)，該模型考慮了年齡，慢性病和近期就診等因素。當(dāng)患者得分7或更高時(shí)，分診護(hù)士會(huì)提供有關(guān)冠狀病毒的信息，并可以安排預(yù)約。

　　盡管緊急情況為嘗試先進(jìn)的工具提供了獨(dú)特的機(jī)會(huì)，但是對(duì)于衛(wèi)生系統(tǒng)來說，確保醫(yī)生對(duì)它們感到滿意并通過大量的測試和驗(yàn)證謹(jǐn)慎使用這些工具至關(guān)重要，Topol說。

　　他說：“當(dāng)人們?cè)诩ち业膽?zhàn)斗中，精力充沛時(shí)，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(huì)引起誤診，因?yàn)樯Ｔ诘┫??！?/p>