COVID-Net和基于開放源代碼人工智能的平臺研究了由冠狀病毒疫情引起的肺部損傷，以幫助對抗這種疫情。

隨著美國各地再次出現(xiàn)冠狀病毒病例感染的數(shù)量，努力保持行業(yè)領先地位的醫(yī)護人員在COVID-Net中使用了一種新穎的方法來應對疫情，COVID-Net是一個基于人工智能的開源平臺，使用放射肺以確定冠狀病毒特異性肺損傷的圖像，并評估該損傷的程度。

該技術是在疫情初期的3月開發(fā)的，但隨著越來越多的組織采用它，它作為醫(yī)療保健中人工智能的一個例子而受到越來越多的關注。

盡管該非營利項目由RedHat公司、波士頓兒童醫(yī)院和人工智能初創(chuàng)廠商DarwinAI公司牽頭，但它是加拿大滑鐵盧大學與DarwinAI之間的合作開始的。

DarwinAI公司首席執(zhí)行官SheldonFernandez表示：“COVID-Net是一項旨在為應對冠狀病毒疫情而做出貢獻的舉措。我們將這個平臺開源，不希望它商業(yè)化運營。我們希望它只是為從業(yè)者提供另一種工具，他們可以利用這些工具來對抗疫情。這就是動機?！?/p>

Fernandez表示，并且當疫情成為全球性問題并且全世界的研究人員將醫(yī)療保健中的人工智能作為理解該領域的潛在有價值的工具時，已經在與其研究人員合作進行其他項目。并診斷冠狀病毒病例。

他說，在七天內，他們能夠利用DarwinAI公司的技術開發(fā)一個平臺，該平臺不僅幫助研究人員確定冠狀病毒疫情留下獨特的視覺標記，而且還使用機器學習技術來訓練系統(tǒng)以區(qū)分冠狀病毒的圖像，感染的肺部以及健康的肺部圖像或因冠狀病毒以外的原因而受損的肺部圖像。

Fernandez說：“我們對此很快就進行了調整，并詢問是否可以利用我們的領域專業(yè)知識并將其應用在應對疫情。因此，我們向系統(tǒng)提供了所有這些圖像，并使用我們的技術非常迅速地創(chuàng)建了一個系統(tǒng)，該系統(tǒng)開始發(fā)現(xiàn)肺部的這些波動，而呼吸系統(tǒng)是冠狀病毒的標志，并且隨著時間的推移，該系統(tǒng)變得越來越智能。”

但是，該過程緩慢且麻煩，并且無法足夠快地處理大量圖像，因此特別有用。此外，人工智能技術不是用戶友好的，需要具有工程技能的人才能操作。為了解決這些問題，在RedHat的幫助下，COVID-Net團隊與波士頓兒童醫(yī)院建立了聯(lián)系，后者開發(fā)了一個容器平臺，該平臺現(xiàn)在稱為ChRIS，可在OpenShift和OpenStack上運行。

哈佛醫(yī)學院放射學助理教授RudolphPienaar表示：“他們已經開發(fā)了COVID-Net，但實際上并沒有部署它的方法，至少不是簡單地以對臨床醫(yī)生有用的方式進行部署?！?/p>

波士頓兒童醫(yī)院的研究員和科學家表示，“這就是我們進行研究的地方。他們正在尋找某種機制來部署他們的應用程序，并為他們的應用程序構建用戶界面，以供像醫(yī)護人員使用。”

Pienaar表示，將現(xiàn)有的COVID-Net技術與ChRIS平臺集成在一起的過程大約需要三天。

他說：“花費更多的時間來構建引人注目的用戶界面，以將該功能提供給最終用戶。其中一部分在概念上是在DarwinAI上完成的?！?/p>

盡管該平臺可用作確定患者是否感染了冠狀病毒的診斷工具，但這并不是該技術的主要推薦用途，因為使用拭子樣本進行的基于化學的測試更為準確。Pienaar表示，該平臺最有用的一種方法是作為分類診斷工具，以幫助醫(yī)生確定在冠狀病毒病例不堪重負的醫(yī)療機構中誰最需要醫(yī)療。

他補充說：“真正的好處是防止人眼疲勞。對我來說，這是這類醫(yī)學診斷的主要內容。一個人能夠做出非常準確準確的診斷，但會感到疲勞。機器算法可能無法總是做出良好的預測，有時甚至會接近或可能會更好。但對于相同的輸入，它總是會提供相同的結果。它不會感到疲倦，不會變得無聊。從這個角度來看，它將更加可靠?！?/p>

實際上，這種好處是在醫(yī)療保健中使用人工智能的主要推動力。

該項目的GitHub存儲庫中提供了描述COVID-Net及其在醫(yī)療保健中人工智能的方法的源代碼、文檔、數(shù)據集和科學論文。
責編AJX