用于大流行应对和疫情跟踪的人工智能

丹尼尔Faggella
《阿凡达》

Daniel Faggella是Emerj的研究主管。在联合国、世界银行、国际刑警组织和领先企业的呼吁下,丹尼尔是一名在全球广受欢迎的专家,研究人工智能对企业和政府领导人的竞争战略影响。

AI应对大流行

2019冠状病毒病(COVID-19)大流行给世界各地的医疗系统造成了难以置信的破坏,同时对不断增加的冠状病毒患者提出了创新解决方案的迫切需求。许多人工智能供应商已经在努力寻找方法,通过增强他们的机器学习驱动产品来满足这一需求——从诊断接口到放射解决方案,以及介于两者之间的一切。

目前的人工智能应用诊断放射学通常针对可能不适合COVID-19这样的全球大流行的特定用例。

在2018年末,世界银行委托研究和谈论人工智能工具的前景移动诊断——我们很幸运,当这种病毒袭击时,我们手头有这项研究(以及我们从该项目获得的采访联系人)。

此外,医疗保健公司和政府可能受益于ai支持的疫情跟踪应用程序,这些应用程序依赖全球新闻和当地生态数据。这可能有助于我们更好地了解COVID-19疫情,并找到防止类似危机再次发生的方法。

在本文中,我们将探讨医疗保健公司目前用于抗击疫情的三个ai支持解决方案示例:

  • 聊天机器人诊断:波士顿的合作医疗正在使用自然语言处理申请在潜在患者来医院之前筛查COVID-19。这可能使该公司能够筛查更多潜在的COVID-19患者,并防止患者数量达到关键容量。
  • 应对大流行病的放射学:国际COVID-19成像AI联盟(ICOVAI)正在研究COVID-19胸部CT扫描的单一AI解决方案。该解决方案尚未发布测试版。该联盟希望使该解决方案能够预测预后,以帮助安排安全和有效的病房转移。
  • 爆发跟踪:人工智能供应商蓝点(BlueDot)最初通过其NLP和数据分析解决方案检测到冠状病毒爆发。这一发现可能为将来检测其他类似规模的疫情提供有用的信息。

我们首先用诊断聊天机器人来解释当前针对COVID-19的人工智能使用案例,这些诊断聊天机器人可以识别哪些患者感染了病毒。

聊天机器人的诊断

一些医疗聊天机器人可以作为患者的指南,解释如何对某些情况进行自我测试。随着就地安置的订单越来越频繁,公司可能会选择分发类似的测试,以尽可能减少医院的数量。例如,FDA已经批准家用尿液测试和分析套件,使用电脑视觉驱动的智能手机应用程序扫描测试条。随着越来越多的患者试图遵守社交距离指南,大流行强调了医疗聊天机器人的作用。

这些聊天机器人背后的NLP算法可以识别病人对诊断问题的反应,并利用客户公司数据库中的医疗数据提出初步诊断。医疗保健公司可能会使用这些聊天机器人为患者提供即时医疗建议,并在他们下次就诊前为初级保健医生提供健康总结。患者可能会使用这种聊天机器人来确定自己是否感染了冠状病毒,这样他们就可以打电话给医生,询问是否需要进行检测。

医疗保健公司需要训练机器学习算法,以识别诊断或测试合格性的最常见标准。对于新型冠状病毒,这包括呼吸短促、流鼻涕、嗅觉丧失等。此外,聊天机器人还需要接受培训,以识别人们对这些症状通常使用的术语,这些术语可能因患者或人口统计数据的不同而不同。

从法律上讲,聊天机器人仍不能取代医生的正式诊断,但这类应用程序仍可用于筛查患者可能的疾病,并确定他们是否应该接受正式检测。

这就是波士顿的合作医疗,一个非营利性医院和医生网络,目前正在使用他们的COVID-19过滤网界面。

Partners HealthCare称,这种筛查器使用人工智能跟踪患者对诊断问题的反应,以确定他们是否应该接受冠状病毒检测。每个问题都基于来自美国疾病控制和预防中心(CDC)的合作伙伴医疗保健数据或内容。

下图显示了COVID-19筛查聊天机器人询问用户的症状:

合作伙伴医疗保健COVID-19筛查
合作伙伴医疗保健COVID-19筛查

目前还不清楚这种简单的聊天界面在多大程度上使用了人工智能或机器学习。其他COVID-19筛查机器人声称使用了人工智能,但许多问题可以成功地作为if-then语句的框架,而人工智能可能只需要在边缘情况下,或确定开放式问题的含义。

而接口不是会话的和它同时代的一些人一样据称,它可以准确地检测出患者是否符合冠状病毒检测的条件。此外,症状较轻和可能不需要检测的患者可以获得相关建议和虚拟护理选项。高风险和高敏锐度的患者可以被引导到重要的资源,如检测地点,他们所在地区的新诊所,或可能的急诊部门。

在实施这一聊天机器人解决方案之前,帕特尔称,COVID-19热线因超过30分钟的等待时间而不堪重负。据称,这导致许多打电话的人挂断电话,而没有收到可能至关重要的医疗建议。

虽然哈佛大学和Partners HealthCare都没有报告聊天机器人吸引了多少流量,但我们可以推断,该解决方案正在帮助波士顿地区的医疗保健提供商为患者提供建议和筛查。哈佛商业评论预计这一解决方案将从他们的COVID-19电话热线吸引大量流量,从而让更多的人接受冠状病毒筛查和可能的检测——可能节省工时,并更快地为更多担忧的用户提供服务。

大流行应对放射学

世卫组织将有效的大流行病应对措施归纳为四个关键优先事项:

  • 准备
  • 检测和保护
  • 减少传染
  • 创新和学习。

医疗保健公司可以利用机器视觉帮助医生检测患者的身体异常和疾病迹象。这种类型的应用程序在当前大流行之前就已经使用过了,但由此给医院带来的更快治疗病人的压力突出了机器视觉放射学作为一个用例的重要性。例如,为了正确成像患者的肺部,医生将使用一个内窥镜摄像机,安装在经过训练的机器视觉系统上,在COVID-19患者严重咳嗽的情况下,检测息肉、擦伤或疤痕组织等结构的外观。

机器视觉内窥镜可以自动显示肺部损伤和异常情况,因为系统可以检测到疾病的形状和大小,或训练识别的疾病指标。这也可能有助于一些医疗保健提供者寻找一种准确的方法来识别病人的肺部状况。此外,这些机器视觉解决方案可以从计算机断层扫描(CT)扫描检测到这些相同类型的异常。

AI供应商使用其医疗解决方案帮助抗击COVID-19的一个例子是Aidence.这家公司使用一种名为Veye Chest的机器视觉放射学解决方案,帮助放射科医生识别肺部异常,如肺内结节。他们还声称,该系统与大多数医院现有的EMR/EHR数据库兼容。Veye Chest已获得CE标志,允许在欧洲联盟内的任何医院使用,并表明符合欧洲经济区制定的医疗设备标准。

Veye Chest应用程序用于检测患者肺部CT扫描中肺结节的存在或指标。放射科医生可以用它来确定良性或恶性结节的区别,或识别对患者肺部健康的其他威胁。该软件分析插入的CT扫描,并为医生提供注释版本的检查。这还包括软件发现的文字描述。

下图是Veye Chest制作的病人肺部CT扫描图像。该软件已经检测到患者右肺内的一个肺结节,并以编号标签突出显示:

aience [Veye Chest报告]
来源:Aidence
aience已经与荷兰的人工智能供应商合作 Nico.lab 以及他们所在领域的其他人,为COVID-19危机带来人工智能解决方案。这一伙伴关系被称为国际COVID-19 AI成像联盟( ICOVAI ),他们正在构建一种人工智能成像解决方案,专门检测病毒的身体损伤和其他身体症状。

Nico.lab该公司通常提供一款名为StrokeViewer的应用程序,据称该程序使用深度学习来支持有关中风患者的临床决策。这个机器视觉应用程序分析大脑的医学成像,以创建与中风造成的损害相关的生物标志物的评估。这些功能和VeyeChest使用的数据集很可能与aience和Nico使用的数据集相当相似。实验室可以很容易地理解彼此的ML开发方法。因此,医学成像分析是他们在为大流行开发新的放射学解决方案时的主要重点领域。

ICOVAI的新解决方案尚未发布测试版,有望能够在患者中检测冠状病毒,并提高对疑似患者的检测能力。该软件一旦完成,就可能通过测量受损区域与肺部总表面积的比较来确定患者肺部状况的严重程度,从而让医护人员能够评估患者病情的严重程度。

ICOVAI希望他们未来的解决方案能够预测预后——这将允许它确定患者需要转移到ICU的可能性。

这对医院尤其有帮助,因为该解决方案与基于web的数字成像和通信(DICOM)查看器相结合。在ICOVAI报告给出预测之前,COVID-19患者可能不会显示出进一步健康下降的迹象。这一预测可能表明,患者极有可能很快被转移到重症监护室,这可能会提醒医护人员为患者提供服务,并为他们准备一个新的房间。

用于疫情跟踪的AI

根据美国疾病控制与预防中心情况总结就大流行而言,人们对COVID-19的预先免疫力非常低,因此它能够在全球范围内持续传播。这是已知的第一次由新冠病毒毒株引起的大流行。虽然大多数关于大流行的研究和指导都是针对流感的,但许多相同的最佳做法仍然适用。卫生组织和政府将需要最可靠的技术来跟踪这场疫情并帮助减缓它。

人口增长加上我们与动物的持续互动,为疾病和病毒从动物传播给人类创造了更多的机会。由于SARS、中东呼吸综合征(MERS)、埃博拉等疾病的爆发,美国和西非地区在最近的历史上都出现了这种情况。人工智能现在可以帮助研究人员预测新疾病可能出现并在周围人群中爆发的“热点”。这种类型的应用将利用当地动物种群数据、已知病毒信息、人类人口统计概况和世界不同地区的文化习俗数据来预测疫情。各国政府还可以利用这类解决方案的成果,为预防疫情制定更积极主动的举措。

疫情跟踪解决方案还可以帮助研究人员更快地发现疾病,以便更快地开始开发治疗方法。当一个人感染了以前未知的病毒时,政府和公共卫生领导层不应浪费任何时间制定应对策略和寻找治疗方法。

其中一些组织可能选择使用NLP文本挖掘来识别漏报或以前未知症状的指标。这些数据可能会以公共社交媒体数据、紧急服务数据和救护车数据的形式出现,以便在人们不断被送往医院时,它们可以检测到异常情况或新的发展。

医院可能能够从疫情跟踪解决方案以及现有的人工智能和机器学习健康跟踪解决方案中受益。将机器学习算法与物联网健康设备(如苹果手表或其他专有配件)相结合,可能能够跟踪患者的血压或心率变化。有些人可能能够察觉呼吸的变化,比如频繁咳嗽。利用这些功能的医院可以从他们收到的关于每个病人的自动警报以及疫情跟踪警报中受益。例如,如果一家医院收到其所在地点附近可能出现疫情的警报,它们可能会审查其患者的所有物联网健康警报,以检测检测到的疫情的任何早期迹象或症状。

第一次检测新冠肺炎疫情的信息来自AI供应商BlueDot2019年12月31日。据称,BlueDot的软件可以扫描外国新闻文章、动植物疾病数据和政府公告,向客户发出潜在危险区域的警告。该公司声称使用跨多种语言的NLP来跟踪全球新闻,然后将数据发送给流行病学家,这样他们就可以确定潜在爆发的可能性有多大。

以下来自BlueDot的图像显示了爆发分析人员在操作应用程序时可能看到的内容。分析师正在研究的地区的地图视图的左侧列出了新闻见解。同时,用户可能会收到相关更新或变化的自动警报,如右侧智能手机所示:

Bluedot探险家
蓝点浏览器的截图

事实上,医院可能会受益于考虑到当地新闻和生态数据的疫情跟踪解决方案。上述接口结合对患者群体的了解,可以帮助医院或医疗保健网络防止疾病在患者和医护人员之间的进一步传播。

标题图片来源:马里兰大学

subscribe-image
保持在机器学习曲线的前面

加入超过2万名专注于人工智能的商业领袖,并接收我们每周发布的最新人工智能研究和趋势。

感谢您订阅Emerj“AI优势”时事通讯,请查看您的电子邮箱确认。