近日，一家位于加拿大安大略省的AI初創(chuàng)公司DarwinAI宣布開源其分析工具“COVID-Net”，將幫助專業(yè)醫(yī)護(hù)人員識(shí)別和分析新冠狀病毒（COVID-19）。

COVID-Net 是一個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)，主要通過在胸部 X 光片上識(shí)別出該疾病的明顯跡象，來篩查可疑冠狀病毒感染的患者。

目前，COVID-Net 已完成開源。DarwinAI聯(lián)合創(chuàng)始人Alexander Wong表示，希望通過開源COVID-Net以及有關(guān)構(gòu)建COVIDx 數(shù)據(jù)集的描述，對醫(yī)護(hù)人員分析COVID-19有所幫助。

同時(shí)可以提高開發(fā)高度準(zhǔn)確且實(shí)用的深度學(xué)習(xí)解決方案，以發(fā)現(xiàn) COVID-19 病例同時(shí)加快對患者的治療。

在 COVID-Ne t開源之后反響非常強(qiáng)烈，DarwinA收到了很多改進(jìn)的建議，也有一些科研人員在此基礎(chǔ)之上進(jìn)行了優(yōu)化 。來自也門、印度尼西亞、土耳其和沙特阿拉伯等國家的研究人員已經(jīng)開始嘗試使用COVID-Net用于新冠病毒分析。

對于計(jì)算資源可能稀缺的區(qū)域(例如發(fā)展中國家或連接性較差的環(huán)境)，DarwinAI 還發(fā)布了COVID-Net 的“精簡版”，可以在筆記本電腦上運(yùn)行。根據(jù)Alexander的說法，與完整版本相比，該版本的準(zhǔn)確性僅下降了一點(diǎn)。

現(xiàn)階段，DarwinAI團(tuán)隊(duì)正在研究 COVID-RiskNet項(xiàng)目，一款針對新冠病毒風(fēng)險(xiǎn)分層量身定制的深度神經(jīng)網(wǎng)絡(luò)工具。COVID-RiskNet 的主要功能是預(yù)測該疾病是否會(huì)嚴(yán)重影響一個(gè)人的健康以及最佳治療方法。

簡單來說，醫(yī)護(hù)人員通過該工具可以快速了解問題的嚴(yán)重性，并找出解決問題的方法。DarwinAI 希望在未來幾周內(nèi)開源 COVID-RiskNet。

在此次疫情中，國內(nèi)外的科技公司都希望通過AI的手段來幫助醫(yī)護(hù)人員提高工作效率和節(jié)省寶貴的時(shí)間，并提升對新冠病毒的識(shí)別準(zhǔn)確率。

之前，阿里達(dá)摩院便聯(lián)合阿里云針對新冠肺炎臨床診斷研發(fā)了一套全新AI診斷技術(shù)，可以在20秒內(nèi)準(zhǔn)確地對新冠疑似案例CT影像做出判讀，分析結(jié)果準(zhǔn)確率達(dá)到96%。

新冠疫情早期，由于確診案例樣本量少，醫(yī)療機(jī)構(gòu)缺少高質(zhì)量臨床診斷數(shù)據(jù)，核酸檢測作為病原學(xué)證據(jù)被公認(rèn)為新冠肺炎診斷的主要參考標(biāo)準(zhǔn)。隨著臨床診斷數(shù)據(jù)的積累，新冠肺炎的影像學(xué)大數(shù)據(jù)特征逐漸清晰，CT影像診斷結(jié)果變得愈發(fā)重要。

根據(jù)國家衛(wèi)健委公布的診療方案第五版，臨床診斷無需依賴核酸檢測結(jié)果，CT影像臨床診斷結(jié)果可作為新冠肺炎病例判斷的標(biāo)準(zhǔn)。

新冠肺炎患者的CT胸片的影像特征表現(xiàn)為單肺或雙肺多發(fā)、斑片狀或節(jié)段性磨玻璃密度影等細(xì)微變化。一位新冠肺炎病人的CT影像大概在300張左右，這給醫(yī)生臨床診斷帶來巨大壓力，醫(yī)生對一個(gè)病例的CT影像肉眼分析耗時(shí)大約為5-15分鐘。

阿里達(dá)摩院醫(yī)療AI團(tuán)隊(duì)基于當(dāng)前最新的診療方案、鐘南山等多個(gè)權(quán)威團(tuán)隊(duì)發(fā)表的關(guān)于新冠肺炎患者臨床特征的論文，與浙大一附院、萬里云、長遠(yuǎn)佳和古珀醫(yī)院等多家機(jī)構(gòu)合作，率先突破了訓(xùn)練數(shù)據(jù)不足的局限，基于5000多個(gè)病例的CT影像樣本數(shù)據(jù)，學(xué)習(xí)訓(xùn)練樣本的病灶紋理，研發(fā)了全新的AI算法模型。

通過NLP自然語言處理回顧性數(shù)據(jù)、使用CNN卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練CT影像的識(shí)別網(wǎng)絡(luò)，AI可以快速鑒別新冠肺炎影像與普通病毒性肺炎影像的區(qū)別，最終識(shí)別準(zhǔn)確率高達(dá)96%。

AI每識(shí)別一個(gè)病例平均只需要不到20秒，大大提高診斷效率，減輕醫(yī)生壓力。此外，AI還能直接算出病灶部位的占比比例，進(jìn)而量化病癥的輕重程度，大幅提升臨床診斷效率。

繼續(xù)閱讀：

未經(jīng)允許不得轉(zhuǎn)載：RPA中國 | RPA全球生態(tài) | 數(shù)字化勞動(dòng)力 | RPA新聞 | 推動(dòng)中國RPA生態(tài)發(fā)展 | 流 > 加拿大AI公司開源“COVID-Net”，可識(shí)別和分析新冠狀病毒