论文部分内容阅读
里兹万·马利克一直对AI感兴趣，作为由英国国家卫生局（NHS）运营的皇家博尔顿医院的首席放射科医生，他看到了让工作变得更轻松的希望。在他的医院中，患者通常需要等待六个小时或更长时间才能让专科医生应用X射线检测。如果急诊室医生可以从基于AI的工具中获得初始读数，则可以大大缩短等待时间。
马利克之前亲自设计了一项保守的临床试验，以帮助展示该技术的潜力。他从孟买的Qure.ai公司确定了一种基于AI的胸部X射线系统，称为qXR，经过多个医院和NHS委员会的四个月审查，该提案最终获得批准。
早期研究表明，在放射影像中，最严重的共生病例显示出与病毒性肺炎相关的明显肺部异常。由于PCR检测（聚合酶链式反应，用于快速诊断细菌性传染病）的短缺和延误，胸部X光检查已成为医生对患者进行分类的最快、最经济的方法之一。
在数周之内Qure.ai对qXR进行了重组，以检测COVID-19诱发的肺炎，而马利克提出了一项新的临床试验，推动该技术进行初始读数。通常对工具和试验设计的更新都会启动一个全新的审批流程，但是由于时间紧迫，医院立即批准了调整后的提案。
加州大学圣地亚哥分校健康中心首席信息官克里斯·朗赫斯特说：“从总体上讲，医疗保健中的人工智能非常令人兴奋。” 在此次新冠肺炎病毒暴发之前，医疗保健AI已经是一个蓬勃发展的研究领域。尤其是，深度学习在分析医学图像方面至少与人类专家一样能准确地识别乳腺癌、肺癌或青光眼等疾病，并显示出令人印象深刻的结果，研究还表明，利用计算机视觉系统可以监视家庭中的老年人和重症监护病房患者的状态。
但是，将这些研究转化为实际应用存在很大的障碍，其中隱私问题使收集足够的数据用于训练算法便可以引发很多争论，这些问题使监管机构在批准时会更加谨慎。即使对于确实获得认证的申请，医院也拥有一套自己的密集审查程序和既定规程。加州大学圣地亚哥分校医疗放射学家艾伯特·西说：“我们依然是沿用基于胸部X光检查COVID-19的方法，除非被迫要求改变检测方式。”
皮埃尔·杜兰德是法国的医师和放射科医生，他在2018年与他人共同创立放射学公司Vizyon时遇到了同样的困难。该公司以中间人身份运作：Qure.ai和一家位于汉城的初创公司Lunit向医院提供一些项目支持。杜兰德说：“客户对用于成像的人工智能技术很感兴趣，但是他们在临床中找不到合适的位置。”
但COVID-19的暴发改变了这一情况，法国由于病例量开始使医疗保健系统不堪重负，而且政府未能加大检测力度，通过胸部X光检查对患者进行分流（尽管不如PCR诊断准确）成为后备解决方案。即使对于可以进行基因检测的患者，结果也可能至少需要12个小时，有时甚至要几天才能返回，对于决定是否隔离某人的医生来说，等待时间太长。相比之下，使用Lunit软件的Vizyon系统只需10分钟即可扫描患者并计算出感染的可能性。（Lunit表示，初步研究发现，该工具在风险分析方面可与人类放射线医生媲美，但该研究尚未发表。）“当病人扎堆儿的时候，AI的确很有吸引力。”杜兰德说。
全球众多的医疗机构都在寻求借助AI来帮助管理新冠肺炎病毒的方法
Qure.ai的qXR系统通过胸部X线扫描突出显示了肺部异常
Vizyon已与该国两家最大的医院签署了合作伙伴关系，并表示正在与中东和非洲的医院进行谈判。同时，Qure.ai现在已经在现有客户的基础上扩展到意大利、美国和墨西哥。Lunit现在还与法国、意大利、墨西哥和葡萄牙的四家新医院合作。
除了评估的速度之外，杜兰德还指出了其他可能促使医院在病毒大流行期间采用人工智能的方法。Lunit首席执行官布兰登·苏说：“这是展示AI实用性的好方法，一旦人们开始使用我们的算法，他们就永远不会停止。”危机发生前，Qure.ai和Lunit的肺部筛查产品均已获得欧盟健康与安全机构的认证。在调整工具以实现联合时，两家公司重新利用了已经批准的相同功能。
例如，Qure.ai的qXR使用深度学习模型的组合来检测常见类型的肺部异常。为了对其进行改型，该公司与专家小组合作，回顾了最新的医学文献并确定了共生诱导的肺炎的典型特征，例如图像中的不透明斑块具有“毛玻璃”图案和两侧密集区域的肺，算法将这些知识编码到qXR中，从而使该工具能够根据扫描中显示的特征数量来计算感染风险。该公司对11000幅患者图像进行的初步验证研究发现，该工具能够以95%的准确度区分共生患者和非共生患者。
但是并非所有公司都如此严格，在危机的初期，马利克与36家公司交换了电子邮件，并与24家公司进行了交谈，所有这些公司都向他推荐了基于AI的COVID-19筛选工具。他说：“其中大多数都是垃圾，处于危机深渊的医院可能没有时间进行尽职调查。”
世界经济论坛（World Economic Forum）AI和机器学习负责人凯·弗斯·巴特菲尔德敦促医院不要削弱监管协议，或在未经适当验证的情况下正式签订长期合同。她说：“使用人工智能来帮助应对这种流行病显然是一件很棒的事情，但是AI带来的问题也很多，医院应该利用这一机会与公司进行临床试验合作，在宣布将其作为护理标准之前，要有明确的依据。”
Qure.ai的qXR系统可以检测到的肺部异常类型
马利克之前亲自设计了一项保守的临床试验，以帮助展示该技术的潜力。他从孟买的Qure.ai公司确定了一种基于AI的胸部X射线系统，称为qXR，经过多个医院和NHS委员会的四个月审查，该提案最终获得批准。
病毒蔓延推动新技术
早期研究表明，在放射影像中，最严重的共生病例显示出与病毒性肺炎相关的明显肺部异常。由于PCR检测（聚合酶链式反应，用于快速诊断细菌性传染病）的短缺和延误，胸部X光检查已成为医生对患者进行分类的最快、最经济的方法之一。
在数周之内Qure.ai对qXR进行了重组，以检测COVID-19诱发的肺炎，而马利克提出了一项新的临床试验，推动该技术进行初始读数。通常对工具和试验设计的更新都会启动一个全新的审批流程，但是由于时间紧迫，医院立即批准了调整后的提案。
加州大学圣地亚哥分校健康中心首席信息官克里斯·朗赫斯特说：“从总体上讲，医疗保健中的人工智能非常令人兴奋。” 在此次新冠肺炎病毒暴发之前，医疗保健AI已经是一个蓬勃发展的研究领域。尤其是，深度学习在分析医学图像方面至少与人类专家一样能准确地识别乳腺癌、肺癌或青光眼等疾病，并显示出令人印象深刻的结果，研究还表明，利用计算机视觉系统可以监视家庭中的老年人和重症监护病房患者的状态。
但是，将这些研究转化为实际应用存在很大的障碍，其中隱私问题使收集足够的数据用于训练算法便可以引发很多争论，这些问题使监管机构在批准时会更加谨慎。即使对于确实获得认证的申请，医院也拥有一套自己的密集审查程序和既定规程。加州大学圣地亚哥分校医疗放射学家艾伯特·西说：“我们依然是沿用基于胸部X光检查COVID-19的方法，除非被迫要求改变检测方式。”
皮埃尔·杜兰德是法国的医师和放射科医生，他在2018年与他人共同创立放射学公司Vizyon时遇到了同样的困难。该公司以中间人身份运作：Qure.ai和一家位于汉城的初创公司Lunit向医院提供一些项目支持。杜兰德说：“客户对用于成像的人工智能技术很感兴趣，但是他们在临床中找不到合适的位置。”
但COVID-19的暴发改变了这一情况，法国由于病例量开始使医疗保健系统不堪重负，而且政府未能加大检测力度，通过胸部X光检查对患者进行分流（尽管不如PCR诊断准确）成为后备解决方案。即使对于可以进行基因检测的患者，结果也可能至少需要12个小时，有时甚至要几天才能返回，对于决定是否隔离某人的医生来说，等待时间太长。相比之下，使用Lunit软件的Vizyon系统只需10分钟即可扫描患者并计算出感染的可能性。（Lunit表示，初步研究发现，该工具在风险分析方面可与人类放射线医生媲美，但该研究尚未发表。）“当病人扎堆儿的时候，AI的确很有吸引力。”杜兰德说。
AI区分患者类型达到95%准确度
Vizyon已与该国两家最大的医院签署了合作伙伴关系，并表示正在与中东和非洲的医院进行谈判。同时，Qure.ai现在已经在现有客户的基础上扩展到意大利、美国和墨西哥。Lunit现在还与法国、意大利、墨西哥和葡萄牙的四家新医院合作。
除了评估的速度之外，杜兰德还指出了其他可能促使医院在病毒大流行期间采用人工智能的方法。Lunit首席执行官布兰登·苏说：“这是展示AI实用性的好方法，一旦人们开始使用我们的算法，他们就永远不会停止。”危机发生前，Qure.ai和Lunit的肺部筛查产品均已获得欧盟健康与安全机构的认证。在调整工具以实现联合时，两家公司重新利用了已经批准的相同功能。
例如，Qure.ai的qXR使用深度学习模型的组合来检测常见类型的肺部异常。为了对其进行改型，该公司与专家小组合作，回顾了最新的医学文献并确定了共生诱导的肺炎的典型特征，例如图像中的不透明斑块具有“毛玻璃”图案和两侧密集区域的肺，算法将这些知识编码到qXR中，从而使该工具能够根据扫描中显示的特征数量来计算感染风险。该公司对11000幅患者图像进行的初步验证研究发现，该工具能够以95%的准确度区分共生患者和非共生患者。
但是并非所有公司都如此严格，在危机的初期，马利克与36家公司交换了电子邮件，并与24家公司进行了交谈，所有这些公司都向他推荐了基于AI的COVID-19筛选工具。他说：“其中大多数都是垃圾，处于危机深渊的医院可能没有时间进行尽职调查。”
世界经济论坛（World Economic Forum）AI和机器学习负责人凯·弗斯·巴特菲尔德敦促医院不要削弱监管协议，或在未经适当验证的情况下正式签订长期合同。她说：“使用人工智能来帮助应对这种流行病显然是一件很棒的事情，但是AI带来的问题也很多，医院应该利用这一机会与公司进行临床试验合作，在宣布将其作为护理标准之前，要有明确的依据。”