全自动机器学习系统诊断COVID-19,无需人工辅助可极速完成
扫描二维码
随时随地手机看文章
(文章来源:前瞻网)
新冠肺炎已在全球范围内传播,许多地区的医疗资源不足。快速诊断COVID-19,发现预后差的高危患者,对早期预防和优化医疗资源具有重要意义。
机器学习已经被利用在许多领域,包括医学影像的早期筛查和诊断。在新冠疫情的防治上,这项技术一样能大展身手。一篇发表在预印本平台medRxiv上的论文“A Fully Automatic Deep Learning System for COVID-19 DiagnosTIc and PrognosTIc Analysis”提出了一个全自动的深度学习系统,用于COVID-19诊断和预后分析的常规使用计算机断层扫描。
研究人员回顾性收集了来自7个省市的5372例CT图像。首先,他们利用4106例CT图像和基因信息对机器学习(DL)系统进行预训练,使其了解肺的特征。随后,来自6个省市的1266名患者(924例COVID-19, 471例随访5+天;342人患有其他肺炎)参与了深度学习系统的培训和外部验证。
该系统包括三个部分:肺自动分割、非肺区抑制、COVID-19诊断和预后分析。在这个DL系统中,涉及两个DL网络:DenseNet121-FPN用于胸部CT图像中的肺部分割,以及新的COVID-19网络用于COVID-19的诊断和预后分析。
DL是一个层次神经网络家族,旨在学习原始数据与期望临床结果之间的抽象映射。将DL模型中的计算单元定义为层次,并将它们集成起来模拟人脑的推理过程。主要的计算公式是卷积、池化、激活和批处理规范化。
在4个外部验证集中,深度学习系统在区分COVID-19与其他肺炎(AUC=0.87和0.88)和病毒性肺炎(AUC=0.86)方面表现良好。此外,深度学习系统成功将患者分为高危组和低危组,两组患者住院时间差异有统计学意义(p=0.013和0.014)。在没有人工辅助的情况下,深度学习系统会自动聚焦于异常区域,这些区域的特征与所报道的放射学发现一致。
该系统具有良好的诊断和预测性能,在不增加成本的前提下,对COVID-19的流行控制有一定的帮助。如果是疑似病人,几分钟内就能获得CT扫描。之后,该DL系统可用于预测患者有COVID-19的概率。如果患者被诊断为COVID-19,DL系统还可以同时预测其预后情况,这可以用来寻找需要紧急医疗资源和特殊护理的潜在高危患者。
更重要的是,该系统速度快,不需要人工辅助图像标注,提高了其临床应用价值和鲁棒性。对于典型的病人胸部CT扫描,DL系统用于预测预后和诊断的时间不到10秒。
尽管这个DL系统具有良好的性能,但研究人员也提出,本研究仍存在一些局限性。首先,还有其他的预后终点事件,如死亡或进入重症监护室,本研究没有考虑这些事件。其次,重度COVID-19与轻度COVID-19的治疗方法不同,因此,分别探讨两组COVID-19的预后有一定帮助。
深度学习为快速筛选COVID-19和发现潜在高危患者提供了方便的工具,这可能有助于优化医疗资源,在患者出现严重症状前进行早期预防。