数字双
使用机械通风可以挽救生命。但肺是一个复杂的器官，保持肺各部分对气流开放所需的压力实际上会通过组织过度膨胀对某些部分造成损害。慕尼黑工业大学(TUM)计算力学教授沃尔夫冈·沃尔(Wolfgang Wall)说:“问题的真正症结在于，当我们使用机械通气治疗患者时，到目前为止，还没有任何方法检测肺组织过度扩张。”
沃尔和他的团队利用人工智能的计算能力，开发了一种数字双"病人肺部的模型。这个数字工具可以“绘制”病人的肺部，甚至可以用于早期检测新型冠状病毒肺炎感染。“超过80%的COVID-19死亡是急性肺衰竭的结果，”沃尔说。他补充说:“通过长期的机械通气，最危重病人的存活率下降到只有50%。”“我们工作的目标是，在未来，每个通气点都有一个数字肺模型，帮助优化患者的需要，这样我们就可以显著增加生存机会。”
广告
广告
咳嗽的认可
韩国科学技术高级研究院(Korea Advanced Institute of Science and Technology)的研究人员开发了一种深度学习基于咳嗽声识别模型对咳嗽声进行实时分类。咳嗽事件分类模型与一个声音摄像机相结合，可以看到他们在公共场所的位置。研究小组表示，他们的测试准确率达到了87.4%。机械工学科教授朴容华(音)表示:“在发生疫情时，可以在学校、办公室、餐厅等公共场所使用，也可以在病房里随时监视患者的病情。”
为了开发咳嗽识别模型，采用卷积进行监督学习神经网络(CNN)。该模型以一秒钟的声音剖面特征为输入进行二进制分类，生成咳嗽事件或其他事件的输出。
德国科技公司audEERING正在开发一种应用程序针对检测冠状病毒使用咳嗽和打喷嚏的声音以及语音识别。该公司正指望音频人工智能作为一种遏制和改进疾病分析的手段。
通过该应用程序，用户需要录制自己咳嗽、打喷嚏或说话的声音。该技术从这些声音特征开始学习，并将数据与COVID-19患者的记录进行比较。该公司声称，年龄、性别和健康状况都可以通过录音自动检测出来。
成像的人工智能
CT扫描与经常使用的逆转录聚合酶链反应相比，该方法可以深入了解COVID-19的诊断和进展。这些RT-PCR检测有很高的假阴性率、处理延迟和其他挑战。此外，CT扫描显示无症状者、早期症状者、疾病高峰期间和症状消失后的COVID-19。然而，CT并不总是被推荐作为诊断工具，因为这种疾病在扫描上看起来与流感相关肺炎相似。中佛罗里达大学的研究人员现在证明，经过训练，一种人工智能算法可以在CT扫描中对COVID-19肺炎进行分类，准确率高达90%，正确识别阳性病例的准确率为84%，阴性病例的准确率为93%。UCF计算机科学系助理教授Ulas Bagci表示:“我们证明，基于深度学习的人工智能方法可以作为一种标准化和客观的工具，帮助医疗系统和患者。”
为了进行这项研究，研究人员训练了一种计算机算法，在来自中国、日本和意大利的1280名跨国患者的肺部CT扫描中识别COVID-19。然后，他们对1337名患有COVID-19、癌症和非COVID-19肺炎等肺部疾病的患者进行了CT扫描，测试了算法。Bagci说:“我们证明，稳健的人工智能模型可以在独立检测人群中达到高达90%的准确率，在非covid -19相关肺炎中保持高度特异性，并对未见过的患者人群和中心显示出足够的通用性。”
FluSense
“FluSense”是一款小型设备，大小相当于一本大字典，它利用人工智能来预测流感等传染性呼吸道疾病的趋势，通过检测咳嗽声和计算公共场所的人数。这种新的边缘计算平台预计将用于医院、医疗等候室和更大的公共空间，可能会扩大用于预测季节性流感和COVID-19等其他病毒性呼吸道疾病暴发的卫生监测工具库。“我想，如果我们可以捕捉到很多人自然聚集的公共场所的咳嗽或打喷嚏的声音，我们可以利用这一信息作为预测流行病学趋势的新数据来源，”计算机科学家、移动专家Tauhidur Rahman说传感器马萨诸塞大学阿默斯特分校的专家。
CAVIDOTS
美国西北大学的工程计算机科学家正致力于加快COVID-19的治疗和疫苗——通过让研究人员的工作更轻松。他们开发了一种名为CAVIDOTS(冠状病毒文档文本摘要)的新工具，可以搜索科学文献，为每个用户预测最有用的结果。在提取出感兴趣的文档后，该工具会使用人工智能生成每篇论文的简短、易于浏览的摘要。研发该工具的研究生王宁(音)说:“研究人员可能要花数小时梳理文件，阅读同行评议的论文。”“我们的工具为学术文章提供了最显著的细节，而不是简单地检索它们。我们希望这将为研究人员节省时间，引导他们找到关键信息。”
要使用CAVIDOTS，用户可以访问基于web的应用程序并输入搜索条件。他们可以先输入大的类别，然后再输入更具体的关键字。然后，该工具搜索COVID-19开放研究数据集(CORD-19)中的3万份文件，这是一个免费数据库，存储了与新型冠状病毒相关的学术文章。
