来自澳大利亚和孟加拉国的研究人员开发了一种能够识别并区分多种肺部疾病的人工智能模型。这个工具被称为LungNet，已经超越了其他专注于肺部疾病的AI模型，并且可以解释其“决策”，使其成为人类医疗专家潜在有用的、甚至是救命的辅助工具。
在所有可以从分析型AI中受益的行业中，医疗领域名列前茅。许多不同专业的研究人员正忙于设计可以识别X光片、显微镜切片和CT扫描中癌症迹象的AI模型。有些甚至可以预测患者的预后并指导治疗计划。但大多数这些模型往往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的某个部位，并寻找可能潜伏在那里的多种疾病。
LungNet尝试解决这一问题，通过搜索三种在肺部表现出来的疾病：肺炎、COVID-19和流感。在《前沿计算机科学》杂志上，查尔斯·达尔文大学和联合国际大学的研究人员解释说，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。
LungNet从卷积神经网络（CNN）开始——这是大多数诊断AI平台的支柱。CNN会检查图像中疾病特征的明显迹象，由于这些特征仅由几个像素组成，因此很难用肉眼看到。（在LungNet的情况下，这是3D超声图像。）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。利用讽刺地命名为长短期记忆（LSTM）的模型，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来构建潜在疾病标志物的完整图像，并为标志物提供上下文，后者如果没有记住先前图像的能力是无法实现的。
据研究人员称，LungNet正确识别肺炎和COVID-19的准确率为96.57%。这比竞争模型的准确率更高，后者识别肺部疾病的正确率在83%到92%之间。研究团队还期望LungNet能够为医疗专业人员提供一个全面而有上下文的肺部疾病视图，这得益于该模型能够“记住”多个不同超声角度中的异常情况。
(全文结束)
