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。这款名为LungNet的工具已经在性能上超越了其他专注于肺部的AI模型，并且可以解释其“决策”，使其成为人类医学专家的潜在有用的、甚至是救命的助手。
在所有有望从分析型AI中受益的行业中，医疗领域名列前茅。来自多个专科的研究人员正忙于设计可以从X光片、显微镜载玻片和CT扫描中识别癌症迹象的AI模型。一些模型甚至可以预测患者的预后情况并指导治疗计划。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一部分，并寻找可能存在的多种疾病。
LungNet尝试解决这个问题，通过搜索三种在肺部表现的疾病：肺炎、COVID-19和流感。在《计算机科学前沿》杂志的一篇论文中，查尔斯达尔文大学和国际联合大学的研究人员解释说，LungNet的混合AI模型不仅使该工具更容易识别疾病的迹象，还可以为接收端的人类提供背景信息。
LungNet从一个卷积神经网络开始——这是大多数诊断AI平台的基础。CNN会检查图像中难以用肉眼看到的疾病特征（因为它们仅由几个像素组成）。对于LungNet来说，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。利用反讽命名的长短期记忆（LSTM）模型，LungNet会记住第一张图像中令人担忧的部分，而忘记其余部分。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，并为这些标志物提供背景信息，后者如果没有记住之前的图像，它是无法实现的。
据研究人员称，LungNet正确识别肺炎和COVID-19的准确率为96.57%，这比竞争对手模型的准确率更高，后者的准确率在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且具有背景信息的肺部视图，这要归功于该模型能够“记住”不同超声角度中异常的地方。
(全文结束)
