澳大利亚和孟加拉国的研究人员开发了一种名为LungNet的人工智能模型，该模型能够识别并区分多种肺部疾病。LungNet不仅超越了其他专注于肺部的AI模型，还能解释其“决策”过程，使其成为潜在的、甚至是救命的医疗专家助手。
在所有可能从分析型AI中受益的领域中，医疗领域名列前茅。来自多个专科的研究人员正在设计能够通过X光、显微镜切片和CT扫描识别癌症迹象的AI模型。有些模型甚至可以预测患者的预后并指导治疗方案。但大多数这些模型通常只专注于排除单一疾病，如肺癌或心脏病。很少有模型能够检查身体某个部位并寻找多种可能存在的疾病。
LungNet试图解决这一问题，通过搜索三种在肺部表现出来的疾病：肺炎、COVID-19和流感。查尔斯达尔文大学和国际联合大学的研究人员在《前沿计算机科学》杂志上发表的论文中解释说，LungNet的混合AI模型不仅使工具更容易识别疾病迹象，还能够为接收端的人类提供上下文信息。
LungNet首先使用卷积神经网络（CNN），这是大多数诊断AI平台的核心。CNN会检查图像中只有几像素大小的疾病特征，这些特征难以用肉眼察觉。（在LungNet的情况下，这是3D超声波图像。）在查看第一张图像后，LungNet会继续查看同一肺部的另一张扫描图。通过名为长短期记忆（LSTM）模型，LungNet记住第一张图像中令人担忧的部分，同时忘记其余部分。它利用这种选择性记忆构建潜在疾病标志物的完整图像，并为标志物提供上下文信息，这在不记得先前图像的情况下是无法实现的。
据研究人员称，LungNet正确识别肺炎和COVID-19的准确率为96.57%，优于竞争对手模型，后者正确识别肺部疾病的准确率为83%至92%。研究团队还期望LungNet能够为医疗专业人员提供一个全面且有上下文的肺部疾病视图，这得益于模型能够“记住”多个不同超声波角度中的异常之处。
(全文结束)
