机器学习治疗全球Covid-19患者

这项研究是由疫情引发的，并着手构建一个人工智能工具，来预测有多少额外的氧气新冠肺炎患者可能需要在医院护理的第一天，使用来自四大洲的数据。

这种技术被称为联合学习，使用算法分析胸部X射线以及来自有新冠肺炎症状的医院患者的电子健康数据。为了严格为患者保密，患者数据完全匿名，并向每家医院发送算法，因此数据不会被共享或离开其位置。一旦算法从数据中“学习”，就会将分析整合到一起，构建一个AI工具，可以预测世界各地医院Covid患者的氧气需求。

出版于自然医学，研究称为考试（对于EMR CXR AI模型），是迄今为止最大的最多的临床联合学习研究之一。

为了检查考试的准确性，它在五大洲的一些医院测试了包括addenbroke的医院。结果表明，预测患者到达急诊部门的24小时内所需的氧气，敏感性为95％，特异性超过88％。

“联合学习具有变化性的力量，可以将人工智能创新带到临床工作流程中，”Fiona Gilbert教授说，她领导了剑桥大学的这项研究，也是Addenbrooke医院的荣誉顾问放射学家和剑桥大学临床医学院的放射学主席。“我们与EXAM的持续合作表明，这类全球合作是可重复的，而且更有效，因此我们可以满足临床医生应对复杂卫生挑战和未来流行病的需求。”

这项研究的第一作者、来自美国马萨诸塞州宾厄姆综合医院(Mass General Bingham)的伊塔伊·达扬(Ittai Dayan)博士表示:“通常在人工智能开发中，当你根据一家医院的数据创建算法时，它在任何其他医院都不起作用。通过使用联合学习和来自不同大陆的客观、多模式数据开发考试模型，我们能够建立一个可以帮助世界各地一线医生的通用模型。”

此次考试研究汇集了来自北美、南美、欧洲和亚洲的合作者，仅用了两周的人工智能“学习”就实现了高质量的预测。

英伟达医疗人工智能全球主管莫娜·G·弗洛雷斯博士表示:“联合学习让研究人员得以合作，并为我们利用人工智能的力量在全球范围内所能做的事情设定了新的标准。”“这将推动人工智能的发展，不仅适用于医疗保健，也适用于所有希望在不牺牲隐私的情况下建立健全模型的行业。”

在研究中分析了来自世界各地的约10,000名Covid患者的结果，其中包括250名谁在3月/ 4月3日星期三/ 4月在大流行的第一批转到addenbroke的医院。

吉尔伯特教授补充说：“创建软件以匹配我们最好的放射科医生的表现很复杂，而是一个真正的变革愿望。我们可以使用联合学习和协作将数据从不同来源的数据安全地集成，并具有创新所需的空间，更快的学者可以使这些变革的目标成为现实。“