DarwinAI希望帮助您在X射线中识别冠状病毒，但放射线医生并不确信

 
加拿大初创公司DarwinAI和滑铁卢大学的研究人员正在开源COVID-Net，这是一种用于在X射线图像中检测COVID-19的卷积神经网络。自从冠状病毒成为对世界各地人们的威胁以来，全球医疗保健和AI研究人员社区已经产生了许多AI系统，用于在CT扫描中识别COVID-19。
从阿里巴巴到AI初创公司的公司RadLogics和Lunit声称他们已经创建了能够识别X射线或CT扫描中COVID-19的系统，其准确性超过90%。中国医学研究人员的早期工作和上周在《放射学》杂志上发表的系统显示了相似的结果。
与其他制造从胸部X射线检测到COVID-19的AI的公司一样，DarwinAI表示，它正在创建COVID-Net和随附的COVIDx数据集，以为医生提供一种快速分类和筛查潜在病例的方法。 DarwinAI表示，它的努力与其他项目不同，因为它是开源的，因此神经网络可供全世界的放射科医生和研究人员使用。
“绝非生产就绪型解决方案，希望开放访问COVID-Net以及有关构建开放源COVIDx数据集的描述将被研究人员和公民数据科学家利用并以其为基础来加速。 “我们开发了高度准确而实用的深度学习解决方案，以检测COVID-19病例并加快对最需要的人的治疗。”
Alexander Wong博士是滑铁卢AI研究所的副教授，滑铁卢大学视觉与图像处理小组的联合主任，以及DarwinAI的首席研究员。
他说，目标是使COVID-Net围绕开源开放访问运动发展，以实现创新和开放访问，让其他人可以以此为基础。
“如果您还记得像ImageNet或AlexNet之类的东西，那么开放方面完全改变了深度学习的工作方式。我希望这将改变人们现在共同合作为我们共同的问题建立解决方案的方式，”他说。
使用COVIDx训练COVID-Net，该数据集包含来自Kaggle挑战的2,800名患者的近6,000张X射线图像以及COVID胸部X射线数据集。根据本周发布的arXiv论文，COVIDx仅包含19例确诊的COVID-19病例的68张X射线图像。数据集还包括数百个非COVID-19病毒感染图像，例如SARS，MERS和流感。 COVID-Net还使用DarwinAI的可解释性工具突出显示该模型用于证明其决策依据的领域。
根据该论文，在初步结果中，COVID-Net能够在83.5%的病例中检测到冠状病毒。 COVID-Net旨在区分COVID与流感，SARS和MERS，尽管在今天发布时，它可以返回大量的误报。
尽管AI初创公司和研究人员正在努力创建可在医学影像中识别冠状病毒的计算机视觉，但美国疾病控制与预防中心(CDC)当前不建议将CT扫描或X射线用于COVID- 19诊断。
最近几周，美国放射学院(ACR)和加拿大，新西兰和澳大利亚的类似放射组织也发表声明，告诉放射科医生，他们目前不建议将CT扫描用于COVID-19检测。
美国放射学院(ACR)胸腔成像小组主席Ella Kazerooni博士说，问题在于我们正处于流感季节之中，很难说出COVID-19与常见的肺部感染(如细菌或病毒)之间的区别肺炎。她说，即使胸部X光片显示出COVID-19的迹象，仍然需要进行实验室检查才能确认。
“如果您怀疑患者患有COVID，您将对其进行测试。如果它们有轻微的呼吸道症状，您将对其进行测试，然后将它们送回家隔离。如果您认为他们有COVID，并且他们真的病了，需要住院，那么您就可以接纳他们，照顾他们，并进行病毒检测。” “我认为ACR是有帮助的，但是如果没有迹象表明要开始进行测试，那么应用程序是什么?”
Kazerooni批评了一项研究，该研究没有试图区分CT或X射线图像中出现的其他疾病。
尽管放射线医生应避免使用胸部X光或CT扫描来诊断COVID-19诊断，但ACR并不反对使用AI。本月初，ACR的数据科学研究所发布了一个针对AI的开放项目调用，可以从CT扫描中检测出COVID-19。 ACR DSI胸腔主持人Eric Stern博士称AI用于从CT扫描中检测COVID-19，这在很少有放射线医生的医疗机构中是一种潜在有用的工具。
Wong博士说，他认为ACR当前的建议基于这样一个事实，即人们很难区分COVID-19和医学影像中出现的其他疾病。
Wong博士说：“通过能够训练一个深层的神经网络来捕捉细微差别，我们至少可以证明初步结果是很有希望的。” “我们的目标是，如果我们能够构建能够帮助放射科医生或临床医生区分的AI，那么它将打破潜在的障碍。”
有兴趣共享胸部X光图像以发展COVIDx数据集的合作伙伴组织将被要求满足某些隐私和道德准则。 Wong说，DarwinAI可能会为放射科医生添加网络登录以扫描图像，而将来可能会考虑使用联合学习来保护隐私，以用于COVID-Net。