该程序由纽约大学格罗斯曼医学院(Grossman School of Medicine)的研究人员开发,使用了从5224个箱子中收集的数百gb数据x射线取自2943名重症患者SARS-CoV-2感染背后的病毒
该研究的作者认为,人们迫切需要能够快速预测哪一种新型冠状病毒肺炎患者可能有致命的并发症,因此治疗资源可以最好地匹配那些风险增加的人。由于尚不完全了解的原因,一些COVID-19患者的健康状况突然恶化,需要重症监护,并增加了他们的死亡几率。
为了满足这一需求,纽约大学朗格尼研究小组不仅将x光信息输入计算机分析,还将患者的年龄、种族和性别,以及一些生命体征和实验室测试结果,包括体重、体温和血液免疫细胞水平。他们的数学模型还考虑了对机械呼吸机的需求,以及每位患者是存活(2405人)还是死亡(538人),这些模型可以从实例中学习感染.
随后,研究人员对2020年3月3日至6月28日期间通过纽约大学朗格尼医院急诊室收治的718名COVID-19患者的770张胸部x光片进行了软件工具的预测价值测试。计算机程序准确地预测了五分之四需要重症监护和机械通气并/或在入院后四天内死亡的感染患者。
“急诊室医生和放射科医生需要像我们项目这样的有效工具,以快速识别那些病情最有可能迅速恶化的COVID-19患者,以便卫生保健提供者可以更密切地监测他们,并更早地干预。”纽约大学阿布达比分校计算机工程助理教授Farah Shamout博士说。
纽约大学数据科学中心博士生Yiqiu“Artie”Shen博士表示:“我们认为,我们的COVID-19分类测试代表了人工智能在放射学中的最大应用,以解决大流行期间患者和护理人员的一些最紧迫需求。”
这项研究的高级研究员Krzysztof Geras博士是纽约大学朗格尼放射学系的助理教授,他说,像他们这样的机器智能程序的一个主要优势是,它的准确性可以被跟踪、更新和改进,通过更多的数据。他说,该团队计划增加更多的患者信息。他还说,该团队正在评估哪些额外的临床试验结果可以用来改进他们的试验模型。
Geras说,作为进一步研究的一部分,他希望尽快将纽约大学COVID-19分类测试应用于急诊医生和放射科医生。在此期间,他正在与医生一起起草临床使用指南。
这项研究发表在杂志上npj数字医学。