臉書現在不只與紐約大學合作，加速MRI掃描速度，現在更因應COVID-19疫情發展需要，也開始共同開發機器學習模型，來協助醫生判讀COVID-19病患的病情，預測病患4天之後的病情發展，避免醫生把有風險的患者送回家，也可以讓醫院預測和調度需要的氧氣資源。
過去解決這個問題的研究，是使用監督式訓練方法，但研究人員提到，雖然在監督式訓練方法上，取得了一些進展，但是由於標記資料非常耗時，因此進展有限，所以現在他們選擇使用自我監督式學習技術MoCo（Momentum Contrast），應用兩個大型公共胸部X光片資料集MIMIC-CXR-JPG和CheXpert，對機器學習系統進行預訓練。
通過先使用非COVID-19胸部X光片資料集來訓練神經網絡，讓神經網絡從X光片中截取資料，接著再使用NYU COVID-19資料集，對MoCo進行微調。研究人員使用預訓練的模型，構建了分類器，用來預測COVID-19患者的病情是否會繼續惡化。
NYU COVID-19資料集包含4,914例COVID-19患者的26,838張X光圖像，以及在X光掃描之後的24、48、72和96個小時內，病情是否有繼續惡化的標記資料。研究人員創建兩種分類器來預測患者的病情惡化，第一種分類器與之前的研究相似，使用單一X光片來預測病情的惡化，第二個分類器則是利用Transformer模型彙總圖像特徵，對串行X光片進行預測，判斷未來病患的病情是否會加重。
研究人員提到，使用自我監督式學習，而不依賴標記資料集非常重要，因為很少有研究小組擁有足夠的COVID-19胸部X光片資料集，可用來訓練人工智能模型。以串行X光片進行預測的人工智能模型，其價值在於複製放射科醫生的工作方法，除了以串行X光片進行長期準確的預測之外，還能解釋感染COVID-19後，病情隨時間發展的變化。
根據紐約大學的研究，使用串行X光片模型預測長時間的加護病房需求、死亡率和不良事件發生，比人類專家更為準確，研究人員表示，能夠預測患者是否需要氧氣資源非常重要，因為可以幫助醫院決定未來幾周，甚至是幾個月的資源分配，在全球COVID-19疫情更加嚴峻的現在，醫院必須對即將到來的疫情高峰做好資源規劃。
紐約大學放射科教授William Moore提到，這種人工智能算法，可以利用連續的X光照片，預測COVID-19病患的護理是否存在看護升級需求，由於COVID-19仍是當前主要公衛問題，因此預測病患看護需求，像是加護病房資源調度的能力，對於醫院來說仍是非常重要的課題。
而且考慮到醫院通常具有自己獨特的資料集，但是不具備從頭開始訓練深度學習模型需要的運算能力，因此臉書與紐約大學開源了預訓練模型，以便資源有限的醫院，可以使用自己的資料，利用單個CPU就能完成模型微調。
轉載請超鏈接註明：頭條資訊 » 臉書與紐約大學合作以AI預測COVID-19患者病情發展
免責聲明
：非本網註明原創的信息，皆為程序自動獲取互聯網，目的在於傳遞更多信息，並不代表本網贊同其觀點和對其真實性負責；如此頁面有侵犯到您的權益，請給站長發送郵件，並提供相關證明(版權證明、身份證正反面、侵權鏈接)，站長將在收到郵件24小時內刪除。