人工智能有助于诊断新冠肺炎后的肺部问题
KAUST科学家开发的一种新的计算机辅助诊断工具可以帮助克服病毒感染后监测肺部健康的一些挑战。
像其他呼吸系统疾病一样,COVID-19会对肺部造成持久伤害,但医生们一直难以想象这种损害。常规胸部扫描不能可靠地检测到肺疤痕和其他肺部异常,这使得很难跟踪患有持续呼吸问题和其他covid后并发症的人的健康和恢复情况。
kaust开发的新方法被称为深肺实质增强(DLPE)覆盖人工智能算法在标准胸部成像数据的基础上揭示了其他无法识别的肺部功能障碍的视觉特征。
通过DLPE增强,”放射科医生可以发现和分析新的亚视觉肺部病变,”计算机科学家和计算生物学家高歆说。他补充说:“对这些病变的分析可以帮助解释患者的呼吸道症状,”从而实现更好的疾病管理和治疗。
高教授和他的结构与功能生物信息学小组以及计算生物科学研究中心的成员,以及人工智能研究员、KAUST现任教务长劳伦斯·卡林(Lawrence Carin)以及中国哈尔滨医科大学的临床合作者,共同开发了这一工具。
该方法首先消除任何解剖特点与肺实质无关;参与气体交换的组织是covid -19诱导损伤的主要部位。这意味着去除呼吸道和血管,然后增强留下的图像,以暴露没有计算机帮助可能会遗漏的病变。
研究人员对中国数千名因COVID-19住院的患者进行了CT胸部扫描,并对他们的算法进行了训练和验证。他们根据放射科专家的意见改进了方法,然后以前瞻性的方式将DLPE应用于数十名患有肺部问题的COVID-19幸存者,这些人都有过肺部问题严重的疾病需要加护治疗。
通过这种方式,高和他的同事们证明,该工具可以揭示COVID长途跋涉者的肺纤维化迹象,从而有助于解释呼吸短促、咳嗽和其他肺部问题。他认为,用标准的CT图像分析是不可能做出这种诊断的。
“对于DLPE,我们第一次证明了长期CT病变可以解释这些症状,”他说。因此,治疗纤维化可能对解决COVID-19的长期呼吸道并发症非常有效。”
尽管KAUST团队开发DLPE主要是考虑到新冠疫情后的恢复,但他们也对患有其他各种肺部问题的人的胸部扫描进行了测试,包括肺炎、结核病和肺炎肺癌.研究人员展示了他们的工具可以作为所有肺部疾病的广泛诊断助手,使放射科医生能够“看到看不见的东西”。这项研究发表在自然机器智能.
更多信息:王国华,一种可解释的深度学习工作流,用于发现COVID-19住院患者和幸存者CT扫描中的亚视觉异常,自然机器智能(2022)。DOI: 10.1038 / s42256 - 022 - 00483 - 7.www.nature.com/articles/s42256 - 022 - 00483 - 7