《Radiology》1萬7千筆影像訓練! AI判讀新冠肺部X光 速篩疑似病例

2020/11/26
《Radiology》1萬7千筆影像訓練! AI判讀新冠肺部X光 速篩疑似病例
近日,美國西北大學(Northwestern University)的研究員開發出一項人工智慧(AI)演算法,可透過肺部X光影像自動檢測新冠肺炎(COVID-19),研究論文24日發表於期刊《Radi

編譯/巫芝岳

近日,美國西北大學(Northwestern University)的研究員開發出一項人工智慧(AI)演算法,可透過肺部X光影像自動檢測新冠肺炎(COVID-19),研究論文24日發表於期刊《Radiology》,據稱這項研究是目前同類檢測工具中,第一項使用多達17千張X光影像的大型臨床數據集,進行訓練與測試的工具。

這款名為DeepCOVID-SR的機器學習演算法,運用卷積神經網路(CNN)架構打造,能以比胸腔科醫師快10倍的速度,區分出疑似個案,且準確度比一般醫師高1-6%

實驗顯示,DeepCOVID-SR能在約18分鍾內處理約300X光影像,比測試的5名醫師平均要花費2.5-3小時判讀快得多;而AI模型的準確率(與核酸檢測結果相比)82%,與5名醫師判讀的76-81%準確率相當。

論文第一作者Ramsey Wehbe表示,這項工具雖無法確定人們是否感染病毒,但由於目前核酸檢測需花費數小時至數天的時間,若透過這項AI,在準確的核酸檢測結果出來前先分類出疑似病患,就能更有效防疫。

新冠肺炎患者的肺部X光影像,會呈現有斑塊、模糊、異常陰影的模樣,且相較於正常肺部中英充滿空氣,肺炎病人的肺中會積存液體。這些現象雖與其他肺部疾病類似,但AI仍能夠分辨出新冠肺炎與其他疾病的差異。

領導這項研究的西北大學電子與資訊工程學系教授Aggelos Katsaggelos表示,開發這項檢測工具的目的,並非要用來取代核酸檢測,但X光是相對常規、安全且低成本的檢測方式,我們的系統又只要短短幾妙就能判讀病人是否需隔離,因此在防疫過程中仍相當值得應用。

在臺灣,成大資工系的團隊日前也開發出類似檢測工具「MedCheX」,並在「國際COVID19科技防疫黑客松大賽」中獲獎,成為台灣唯一獲選的優勝隊伍;該團隊表示,MedCheX的靈敏度為95.5%、特異度99%、準確度 92.5%

參考資料:

1. 論文原文:https://pubs.rsna.org/doi/10.1148/radiol.2020203511

2. https://www.fiercebiotech.com/medtech/northwestern-univ-publishes-open-ai-spots-covid-19-chest-x-rays