NVIDIA初創加速計劃成員Qure.ai的人工智能胸部X光工具qXR幫助臨床醫生解答新冠肺炎肺部掃描影像的問題,其目前已在二十多個國家投入使用,助力抗擊新冠肺炎疫情。
Qure.ai是一家總部位于孟買的初創公司,自2016年以來一直致力于開發可通過肺部掃描檢測疾病跡象的AI工具。因此,當新冠肺炎疫情開始在全球蔓延時,該公司迅速調整其解決方案以滿足臨床醫生的迫切需求。
qXR是Qure.ai應用于胸部X光的人工智能工具,它經250萬次包含腫瘤、肺結核等疾病跡象的胸部X光訓練而成,目前已在二十多個國家投入使用,用于監測肺部異常。
隨著中國、韓國、伊朗等較早爆發疫情的國家發布首個新冠肺炎專用數據集,該公司迅速整合了這些掃描結果,使qXR能夠在胸部X光圖像上標記特征區域并輸出新冠肺炎評估結果。
“世界各地的臨床醫生正在尋找能夠幫助做出有關新冠肺炎病例的關鍵決策的工具,比如患者何時應該住院、何時轉移到ICU、何時插管。”Qure.ai的首席商務官Chiranjiv Singh說,“客觀數據能夠為這些臨床決策提供必要的支持和幫助,而這正是我們的人工智能工具所能提供的。”
同溫度和含氧量等客觀數據一樣,人工智能可以幫助量化疾病對于病人的肺的影響,從而幫助臨床醫生在缺乏檢測工具的情況下對潛在的新冠肺炎病例進行分診,或比較多次胸部X光檢查結果以跟蹤疾病進展。
最近幾周,該公司在全球約50個地點部署了新冠肺炎版本的qXR,其中包括英國、美國、印度、意大利和墨西哥的醫院。巴基斯坦的醫療工作者通過裝備在醫療車上的qXR積極跟蹤社區中的病例。
NVIDIA初創加速計劃旨在為初創公司提供資源幫助其快速擴張,Qure.ai作為其中一員,使用了本地部署的數組NVIDIA TITAN GPU以及通過AWS訓練和推理完善的數組V100 Tensor Core GPU。qXR此前已在歐洲獲得CE標志,這家初創公司當前正在尋求FDA的批準。
捕獲新冠肺炎圖像
對于新冠肺炎病例而言,并非每個病例的病情都能在胸部X光圖像中得以體現,因此其只是眾多參考圖像之一。但由于各類X光機的廣泛使用,包括便攜式床邊X光機在內,它們迅速成為了醫院接收新冠肺炎患者后的首選成像方式。
“通過已有文獻,我們了解到胸部X光中可以看到的某些新冠肺炎指標,比如毛玻璃樣渾濁和實變,并注意到病毒傾向于在肺的兩側‘安營扎寨’。”Singh說,“我們的人工智能模型將這些因素和相關表現識別為新冠肺炎的陽性指標,鈣化和胸腔積液等表現則為陰性。”
qXR工具會輸出高、中、低或無四種COVID-19風險評級,并在一分鐘內完成對病變的標記與量化,為臨床醫生提供一個客觀的測量值作為參考。
通過快速處理胸部X光圖像,qXR幫助一些醫生在等待檢測結果時對有新冠肺炎癥狀的患者進行分流。還有一些醫生借助該工具比較同一病人在一段時間內的多次掃描圖像,以監測疾病進展。為了便于使用,qXR集成了包括PACS成像系統在內的放射科醫生全部工作流程。
“工作流集成是非常關鍵的任務,因為越是不易被察覺地嵌入到醫療工作流程中的人工智能解決方案,越會被更多地采用和使用。”Singh說。
雖然具備新冠肺炎分析功能的qXR的第一個版本已經對大約11,500個針對該病毒的掃描圖像進行了訓練和驗證,該團隊依然每周向數據集中添加數千個新樣本。隨著可用數據量的增加,其輸出結果的準確性也得到了提升。
Singh認為此次公司能夠迅速將目標轉向新冠肺炎,部分得益于多年來收集的各種胸部X光數據。Qure.ai一共有近800萬個研究項目,平均分布在北美洲、歐洲、中東和亞洲,還有一系列針對不同設備制造商和醫療保健環境的研究。
“數據數量和多樣性的擴充有助于提升人工智能模型的預測準確性。” Singh說,“不要追求建立在單一站點或國家的純凈數據集,它看似完美卻不適用于任何一個新環境。
從云端到臨床
包括英國博爾頓國民保健服務基金會和米蘭圣拉斐爾大學醫院在內的數十家機構已經將qXR應用于臨床,幫助放射科醫生監測新冠肺炎患者的病情進展。
通過云端部署,大多數客戶可以在一個小時內安裝并運行qXR。在類似大流行這樣的緊急環境中,云端部署克服了受出行限制無法現場進行安裝的困難,幫助醫院迅速行動。擁有本地數據中心的醫院客戶可以選擇使用他們的現場計算資源進行推理。
至于Qure.ai的下一步,Singh表示:“是讓盡可能多的放射科醫生和其他臨床醫生能夠直接與世界各地的患者互動。”
該公司還開發了一種自然語言處理工具qScout,它通過一個聊天機器人與那些懷疑自己感染了病毒或正在家中康復的患者取得聯系并完成定期檢查。與門診病人保持聯系是監測病癥的重要工具,它能夠持續跟蹤病人恢復情況并在病人可能需要住院時提醒醫護人員,與此同時權衡醫院基礎設施的壓力,不至于使其負擔過重。
qScout的概念落地僅用了6周時間,它的第一個客戶是阿曼的衛生部。
責任編輯:pj
-
數據
+關注
關注
8文章
7256瀏覽量
91891 -
人工智能
+關注
關注
1807文章
49029瀏覽量
249584
發布評論請先 登錄
測縫計測量數據的準確性和校準方法解析

【「大模型啟示錄」閱讀體驗】營銷領域大模型的應用
【「具身智能機器人系統」閱讀體驗】+數據在具身人工智能中的價值
紅外感應單片機在智能衛浴的抗干擾性分析
如何提升ASR模型的準確性
嵌入式和人工智能究竟是什么關系?
如何評估 ChatGPT 輸出內容的準確性
《AI for Science:人工智能驅動科學創新》第二章AI for Science的技術支撐學習心得
《AI for Science:人工智能驅動科學創新》第一章人工智能驅動的科學創新學習心得
risc-v在人工智能圖像處理應用前景分析
Samtec 人工智能深度分享 | 如何管理海量數據

評論