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

馬利克之前親自設計了一項保守的臨床試驗，以幫助展示該技術的潛力。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，稱為qXR，經過多個醫院和NHS委員會的四個月審查，該提案最終獲得批準。

病毒蔓延推動新技術

早期研究表明，在放射影像中，最嚴重的共生病例顯示出與病毒性肺炎相關的明顯肺部異常。由于PCR檢測（聚合酶鏈式反應，用于快速診斷細菌性傳染病）的短缺和延誤，胸部X光檢查已成為醫生對患者進行分類的最快、最經濟的方法之一。

在數周之內Qure.ai對qXR進行了重組，以檢測COVID-19誘發的肺炎，而馬利克提出了一項新的臨床試驗，推動該技術進行初始讀數。通常對工具和試驗設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，醫院立即批準了調整后的提案。

加州大學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之前，醫療保健AI已經是一個蓬勃發展的研究領域。尤其是，深度學習在分析醫學圖像方面至少與人類專家一樣能準確地識別乳腺癌、肺癌或青光眼等疾病，并顯示出令人印象深刻的結果，研究還表明，利用計算機視覺系統可以監視家庭中的老年人和重癥監護病房患者的狀態。

但是，將這些研究轉化為實際應用存在很大的障礙，其中隱私問題使收集足夠的數據用于訓練算法便可以引發很多爭論，這些問題使監管機構在批準時會更加謹慎。即使對于確實獲得認證的申請，醫院也擁有一套自己的密集審查程序和既定規程。加州大學圣地亞哥分校醫療放射學家艾伯特·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·杜蘭德是法國的醫師和放射科醫生，他在2018年與他人共同創立放射學公司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公司Lunit向醫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的暴發改變了這一情況，法國由于病例量開始使醫療保健系統不堪重負，而且政府未能加大檢測力度，通過胸部X光檢查對患者進行分流（盡管不如PCR診斷準確）成為后備解決方案。即使對于可以進行基因檢測的患者，結果也可能至少需要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生來說，等待時間太長。相比之下，使用Lunit軟件的Vizyon系統只需10分鐘即可掃描患者并計算出感染的可能性。（Lunit表示，初步研究發現，該工具在風險分析方面可與人類放射線醫生媲美，但該研究尚未發表。）“當病人扎堆兒的時候，AI的確很有吸引力。”杜蘭德說。

全球眾多的醫療機構都在尋求借助AI來幫助管理新冠肺炎病毒的方法

Qure.ai的qXR系統通過胸部X線掃描突出顯示了肺部異常

AI區分患者類型達到95%準確度

Vizyon已與該國兩家最大的醫院簽署了合作伙伴關系，并表示正在與中東和非洲的醫院進行談判。同時，Qure.ai現在已經在現有客戶的基礎上擴展到意大利、美國和墨西哥。Lunit現在還與法國、意大利、墨西哥和葡萄牙的四家新醫院合作。

除了評估的速度之外，杜蘭德還指出了其他可能促使醫院在病毒大流行期間采用人工智能的方法。Lunit首席執行官布蘭登·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，他們就永遠不會停止。”危機發生前，Qure.ai和Lunit的肺部篩查產品均已獲得歐盟健康與安全機構的認證。在調整工具以實現聯合時，兩家公司重新利用了已經批準的相同功能。

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

但是并非所有公司都如此嚴格，在危機的初期，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：“其中大多數都是垃圾，處于危機深淵的醫院可能沒有時間進行盡職調查。”

世界經濟論壇（World Economic Forum）AI和機器學習負責人凱·弗斯·巴特菲爾德敦促醫院不要削弱監管協議，或在未經適當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，醫院應該利用這一機會與公司進行臨床試驗合作，在宣布將其作為護理標準之前，要有明確的依據。”

Qure.ai的qXR系統可以檢測到的肺部異常類型