一种突破性的新型AI模型能够从超声视频中检测不同类型的肺部疾病，准确率高达96.57%，并且能够区分异常是由肺炎、新冠肺炎还是其他疾病引起的。
该模型由澳大利亚查尔斯达尔文大学（CDU）、联合国际大学和澳大利亚天主教大学（ACU）的研究人员开发，能够识别不同肺部疾病的特定模式，超越了之前在同一超声数据集上测试的AI工具的表现。
研究共同作者、查尔斯达尔文大学教授Niusha Shafiabady表示：“该模型还使用AI技术向放射科医生展示其决策的原因，使他们更容易信任和理解结果。”她补充道：“这种模型帮助医生快速准确地诊断肺部疾病，支持他们的决策，节省时间，并作为有价值的培训工具。”
研究人员结合了两种AI模型，展示了该技术在诊断需求上的适应性。其中一种称为卷积神经网络（CNN），用于寻找图像或帧中的模式，专注于人类眼睛在检查扫描时容易忽略的微小像素变化。然后，长短期记忆（LSTM）模型利用这些信息，并将其置于更广泛的背景下进行分析，同时“遗忘”无关的数据。
通过结合这两种模型，新的混合模型TD-CNNLSTM-LungNet能够非常有效地检测异常，并解释问题所在。此外，它还可以确定扫描结果显示的是肺炎、新冠肺炎、其他肺部疾病还是肺部正常。该模型的高召回率为96.51%，意味着几乎不存在假阴性，这对于治疗时间紧迫的肺部疾病非常重要。
使用现有数据集的超声视频，该模型超越了现有的AI诊断工具，后者目前的准确率约为90-92%。
尽管人们对AI诊断的怀疑和不信任仍然存在，但不可否认的是，这种新兴技术很快将在诊所中变得普遍。虽然当前的AI聊天机器人尚未训练到能够临床评估医学扫描或测试的程度，但各个领域的特定模型正在开发，成为可靠的医疗工具。
例如，仅一年前，美国食品药品监督管理局（FDA）批准了DermaSensor设备的使用，这是第一款智能手机AI驱动的设备，能够检测约200种不同类型的皮肤癌。虽然这些工具并不打算取代医务人员——我的皮肤癌专家在我使用AI相机设备之前就正确识别了我的背部癌症斑点——但它们将成为我们见过的最有益和最实惠的医疗技术之一。
这种新的肺部疾病AI模型为我们展示了未来的发展方向，它能够正确识别区分新冠肺炎和肺炎的细微差别。正如研究人员所指出的，这两种情况在人类眼中看起来相似，但在AI模型中具有独特的模式，使其能够发现差异。它会生成一份报告，说明其每个扫描结论的理由。
Shafiabady表示：“该模型的可解释性旨在提高这种方法的可靠性。”她补充说：“系统通过热图等视觉方式向医生展示其决策原因，这种解释技术将帮助放射科医生定位关注区域，并大大提高临床透明度。”
2024年，谷歌在医疗诊断和AI领域取得了巨大进展。同样，这项技术正在开发用于医疗保健，协助从手术到药物发现的一切工作。它已经在检测脑肿瘤和其他癌症方面显示出潜力。
Shafiabady指出，只要模型接受正确的数据训练，它就有潜力进一步提高其肺部疾病诊断能力，检测结核病、尘肺病、哮喘、癌症、慢性肺病和肺纤维化等疾病的迹象。研究人员希望调整该模型，使其能够准确评估不仅仅是超声波，还包括CT扫描和X光片。
该研究发表在《前沿计算机科学》期刊上。
(全文结束)