用AI预测新冠患者是否要更深入护理，新自我监督模型了解一下

作者｜宇伊    出品| 新芒X

1亿！

就在刚过去的1月26日4点30分，一个触目惊心的数字出现了。这正是全球范围内感染新冠病毒的总人数，1亿。

再直观来看，也就意味着全球每76个人里面就有1个人感染了新冠病毒。毫不夸张的说，这一天，势必将以一种特殊的含义被载入史册。

就在此时，比尔盖茨最新的一封公开信流传开来，他表示，“过去几个月可能会在历史上留下沉重的一笔，这是整个疫情期间最痛苦的一段时间，但希望就在眼前。”

在给全球发展进程带来巨大的阻碍和不确定性的同时，我们也看到在这场史无前例的抗疫之路中，众多高新技术手段问世并规模化的应用。而AI也起着举足轻重的作用，扮演着重要的角色。

近日，我们也注意到一个新的技术能力被研发出来并予以公开。来自Facebook和NYU Langone Health的研究人员创建了AI模型，该模型通过扫描X射线，可以用于预测新冠病毒COVID-19患者的病情将如何发展。

近几个月来，全球范围内，COVID-19病例的迅速传播使医院资源依旧紧张，因此必须快速准确地分诊急诊患者尤其重要。使用诸如胸部X射线等临床数据的机器学习技术已被用于预测哪些患者最有可能恶化。

该团队说，他们的系统可以提前四天预测患者是否需要更多的重症监护资源。他们认为医院可以使用它来预测对资源的需求，并避免将有风险的患者过早送回家。

他们的方法不同于以往大多数通过将机器学习技术应用于X射线来预测COVID-19恶化的尝试。这些通常使用监督训练和单个时间范围图像。

这种方法显示出更多可能性和希望，但其潜力受到手动标记数据的时间密集过程的限制。由此这些限制导致研究人员改为使用自我监督学习。

他们首先使用一种称为Momentum Contrast（MoCO）的自我监督学习技术，在两个公共X射线数据集上对系统进行了预训练。这使他们能够使用大量的非COVID X射线数据来训练他们的神经网络，以从图像中提取信息。

他们使用预先训练的模型来构建分类器，以预测COVID-19患者的病情是否可能恶化。然后，他们使用NYU COVID-19数据集的扩展版本对模型进行了微调。

为来自5,000名患者的大约27,000张X射线图像的较小数据集提供了标签，以显示患者的状况在扫描后24、48、72或96个小时内是否恶化。

该团队建立了一个分类器，该分类器基于单个X射线来预测患者的病情恶化。另一个通过使用Transformer模型汇总图像特征，使用一系列X射线进行预测。第三个模型通过分析一个X射线估算患者可能需要补充氧气的多少。

他们说，使用X射线序列特别有价值，因为它们对于长期预测更准确。这种方法还可以解释感染随时间的演变。

他们的研究表明，这些模型可以有效地 预测长期（最多96小时）的ICU需求，死亡率预测和总体不良事件预测：

我们的多图像模型性能超过了所有单图像模型。与放射科医生相比，我们的多图像预测模型在预测患者病情恶化的能力方面具有可比性，而在预测死亡率的能力方面同样具有可比性。

该团队已经开源了经过预先训练的模型，以便其他研究人员和医院可以使用单个GPU使用自己的COVID患者数据对它们进行微调。

----End----

我们近日组建了「新芒 @ AI 5G Inside」社群，每天分享最新的AI、5G、云计算等最新动态。

专注AI和新科技，兼具内容品质和传播影响力

「AI名利场」  「万有AI」  「AI新声」

（注：本文部分图片来自网络，向原作者致谢，如有侵权，可后台私信沟通处理）