金博宝官网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。他受到联合国、世界银行、国际刑警组织和领先企业的呼吁,是一位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。

应对大流行的人工智能

COVID-19大流行对世界各地的医疗保健系统造成了难以置信的破坏,并对创新性解决方案提出了迫切需求,以应对日益增多的冠状病毒患者。许多人工智能供应商已经在努力寻找方法,通过扩大他们的机器学习驱动产品来满足这一需求——从诊断界面到放射学解决方案,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是针对可能不适合COVID-19等全球大流行的特定用例而设计的。

在2018年底,世界银行委托我们研究和谈论AI工具的景观移动诊断- 当这种病毒击中时,我们很幸运能够在手头上进行研究(以及我们的面试联系人)。

此外,医疗保健公司和政府可能会受益于启用AI的爆发跟踪申请,依赖于当地生态的全球新闻和数据。这可能有助于我们更好地了解Covid-19爆发,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正在使用的三个支持ai的解决方案示例,以抗击该流行病:

  • 诊断聊天:波士顿的合作伙伴医疗保健目前正在使用自然语言处理(NLP)在他们来到医院之前申请筛选Covid-19的潜在患者。这可能允许公司筛选更多潜在的Covid-19患者,并将患者数量保持致力于临界能力。
  • 大流行反应的放射学:Covid-19成像AI(ICOVAI)的国际财团正在胸部CT扫描上的Covid-19单一AI Ai解决方案。该解决方案尚未在β中释放。该联盟希望使能够预测预测的该解决方案,以帮助安排安全高效的患者房间转移。
  • 爆发跟踪:冠状病毒爆发最初是由AI供应商BlueDot通过其NLP和数据分析解决方案检测到的。这一发现可能为未来探测其他类似规模的疫情提供有用的信息。

我们开始解释目前对Covid-19的AI使用案例,诊断聊天询问,患者已经收缩了病毒。

诊断聊天

一些医疗聊天机器人可以作为病人的指南,解释如何对某些情况进行自检。由于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,以尽可能降低医院的数量。例如,FDA已经批准一种家用尿液检测和分析工具,使用电脑视觉驱动的智能手机应用程序扫描试纸。随着越来越多的患者试图遵守社交距离的指导方针,大流行强调了医疗聊天机器人的用处。

这些聊天机器人背后的NLP算法可以识别患者对诊断问题的回答,并使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向患者提供即时医疗建议,并在他们下次就诊前向初级保健医生提供健康总结。患者可以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,询问自己是否应该接受检测。

医疗保健公司需要培训机器学习算法,以识别诊断或测试资格的最常见标准。对于新型冠状病毒,这包括呼吸急促,流鼻涕,失去气味,以及其他一些。此外,Chatbot需要接受培训,以识别人们通常用于这些症状的术语,这可能因患者或跨人口统计而异。

聊天仍然不能合法取代医生的正式诊断,但这种类型的应用仍可用于筛选患者以获得可能的疾病,并确定它们是否应正式测试。

这是波士顿的合作伙伴医疗保健,一个非营利性医院和医生网络,目前正在使用他们的COVID-19过滤网接口。

合作伙伴医疗保健声称此筛选器使用AI跟踪患者对诊断问题的响应,以确定是否应对冠状病毒进行测试。每个问题都是基于合作伙伴医疗保健数据或美国疾病控制和预防中心的内容(CDC)。

下图显示了Covid-19筛选器Chatbot要求用户有关他们的症状:

合作伙伴COVID-19筛查机构
合作伙伴COVID-19筛查机构

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人工智能,但许多问题可以成功地作为“如果-那么”语句的框架,而人工智能可能只在边缘情况下需要,或用于确定开放式问题的意义。

而接口不是会话式的和它同时代的人一样据称,它可以准确地检测到患者何时有资格接受冠状病毒检测。此外,症状较轻、可能不需要检测的患者可以得到相关建议和虚拟护理选择。高风险和高敏锐度的患者可以被引导到重要的资源,如检测场所、所在地区的新诊所或可能的急诊科。

在实施此Chatbot解决方案之前,Partern声称Covid-19热线被淹没,等待时间超过30分钟。这据称使许多呼叫者挂断,没有收到可能是重要的医疗建议。

虽然哈佛大学和合作伙伴都没有报告了Chatbot拉开的交通量,但我们可以推断出该解决方案在波士顿地区建议和筛查患者的医疗保健提供者。哈佛商业评论预计这一解决方案将为他们的COVID-19电话热线减少大量流量,从而允许更多的人接受冠状病毒筛查和可能的检测,可能节省工时,并更快地为更关心的用户提供服务。

大流行反应的放射学

世卫组织总结了有效的大流行反应分为四个关键优先事项:

  • 准备
  • 检测和保护
  • 减少传输
  • 创新和学习。

医疗保健公司可以使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被使用,但由此产生的医院更快治疗患者的压力突出了机器视觉放射学的一个用例。例如,为了对患者的肺部进行正确成像,医生将使用安装在经过培训的机器视觉系统上的内窥镜摄像机,在COVID-19患者的情况下,检测息肉、擦伤或严重咳嗽造成的疤痕组织等结构的外观。

随着系统检测到疾病或疾病指标的形状和大小,机器视觉支持的内窥镜可能会自动显示肺损伤和异常。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)扫描中检测出这些相同类型的异常。

使用他们的医疗解决方案来帮助战斗Covid-19的AI供应商的一个示例是Aidence。这家公司使用称为Veye胸部的机器视觉放射液解决方案,以帮助放射科医生识别肺部内部结节等肺异常。他们还声称该系统与大多数医院的现有EMR / EHR数据库兼容。Veye Chest收到了CE标志,可以在欧盟内的任何医院使用,并表明欧洲经济区建立的医疗器械标准符合。

眼胸应用是为了检测病人肺部CT扫描中肺结节的存在或指示物。放射科医生可以用它来确定良性或恶性结节的区别,或确定对患者肺部健康的其他威胁。该软件对插入的CT扫描进行分析,并提供带注释的版本供医生检查。这还包括软件发现的文本描述。

下图是患者眼胸肺的CT扫描注释图。该软件已检测到患者右肺内的一个肺结节,并用编号标签突出显示:

Aidence [Veye胸部报告]
来源:Aidence
annity与荷兰艾美供应商合作 Nico.lab 和其他人在他们的领域,为Covid-19危机带来AI解决方案。这种合作伙伴关系被称为Covid-19成像AI的国际财团( icovai. ),他们正在开发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物理症状。

Nico.lab通常提供一个他们称为StrokeViewer的应用程序,据称它使用深度学习来支持有关中风患者的临床决策。这种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伤有关的生物标记物评估。这些功能以及VeyeChest可能会使用与Aidence和Nico足够相似的数据集。lab可以很容易地理解彼此的ML开发方法。因此,在为大流行开发新的放射学解决方案时,医学成像分析是他们的主要重点领域。

ICOVAI的新溶液(beta版本尚未发布)有望能够在患者中检测到冠状病毒,并提高对疑似患者的检测能力。该软件一旦完成,很可能会通过测量受损区域与患者肺部总表面积的比较来确定患者肺部状况的严重程度,从而使医护人员能够评估患者病情的严重程度。

icovai希望他们的未来解决方案能够预测预测 - 这将使它能够确定需要转移到ICU的患者的可能性。

这可以对医院特别有帮助,因为解决方案与基于Web的数字成像和通信(DICOM)观看者组合。在ICOVAI报告中提出预测之前,Covid-19患者可能不会显示出进一步的健康状况的迹象。预测可能表明,患者很可能很快被移到ICU,这可能会提醒提供者为患者提供服务,并为他们准备一个新房间。

用于跟踪爆发的AI

根据这一点美国疾病控制与预防中心情况总结在大流行上,对Covid-19的预先存在的豁免非常少,因此它能够在全球范围内可持续地传播。这是第一个被冠状病毒的新菌株引起的大流行。虽然大多数关于PANDEMICS的研究和指导都是流感的,但许多相同的做法仍然适用。卫生组织和政府将需要最可靠的技术,可用于跟踪此爆发,并帮助速度放慢速度。

人口增长与我们持续与动物的持续互动相结合为疾病和病毒传播到人类的疾病和病毒产生更多机会。由于SARS,MERS和EBOLA的爆发,在美国和西非的近期历史上已经看到了这一点。AI现在可以帮助研究人员对“热点”进行预测,其中可能会出现新疾病和爆发周围的人口。这种类型的申请将利用当地动物人口数据,关于世界各地不同地区的文化实践的信息,以预测爆发的文化实践。政府也可能使用此类解决方案的结果,以创造更积极主动的防止爆发的举措。

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。当一个人感染了一种以前未知的病毒时,政府和公共卫生领导不应该浪费任何时间来制定应对策略和寻找治疗方法。

其中一些组织可能会选择使用NLP Text Mining来识别潜在报告或以前未知的症状的指标。这可能以公共社交媒体数据,紧急服务数据和救护数据的形式出现,因此他们可以检测人们不断接受医院的异常或新的发展。

医院可能能够从串联的爆发跟踪解决方案中受益于现有的AI和机器学习健康跟踪解决方案。一种机器学习算法与Apple Watch或其他专有附件等物联网健康设备相结合,可能能够跟踪患者血压或心率的变化。有些人可能能够检测呼吸的变化,例如频繁咳嗽。使用这些医院可能会受益于他们将每位患者的自动警报与爆发跟踪警报结合使用。例如,如果医院接受了其位置附近可能的疫情点的警报,他们可能会审查其患者的所有物联网健康警报,以检测检测到的爆发的任何早期迹象或症状。

第一次检测COVID-19爆发的部分来自AI供应商Bluedot.2019年12月31日.Bluedot的软件可以据称宣传外国新闻文章,动物和植物疾病数据,以及政府宣言,警告其潜在危险地区的客户。该公司声称在多种语言中使用NLP来跟踪全球新闻,然后将数据发送到流行病学家,因此他们可以确定潜在爆发的可能性有多可能。

来自Bluedot的以下图像显示了操作应用程序时可能会看到爆发分析师的内容。新闻见解列金宝搏吧在分析师正在学习的地区地图视图的左侧。与此同时,用户可能会接收有关相关更新或更改的自动警报,如右侧的智能手机所示:

Bluedot探险家
Bluedot Explorer的屏幕截图

实际上,医院可能会受益于对考虑本地新闻和生态数据的爆发跟踪解决方案。上面的界面与其患者人口的见解相结合,可以帮助医院或医疗保健网络防止患金宝搏吧者与医疗工作者之间的疾病进一步传播。

标题图片学分:马里兰大学

subscribe-image
保持领先于机器学习曲线

加入超过20,000名专注于AI的商业领袖,每周接收我们最新的AI研究和趋势。

感谢您订阅EMERJ“AI Advantage”时事通讯,请检查您的电子邮件收件箱进行确认。