AI助力COVID-19和放射学研究,追踪病情发展

2020-09-17 动脉网 动脉网

近年来,人工智能(AI)在医疗领域发挥着重要作用。先进的计算和数据分析工具使信息共享和诊断实践成为可能,并加深了医疗行业对疾病和感染的理解。

近年来,人工智能(AI)在医疗领域发挥着重要作用。先进的计算和数据分析工具使信息共享和诊断实践成为可能,并加深了医疗行业对疾病和感染的理解。

自2020年初,COVID-19在全球的爆发给世界按下了 “暂停键”。 截至目前,全球确诊人数已超过2700万,给全球带来了巨大挑战。如今,在遏制COVID-19的迫切需求推动下,世界各地的科研机构、政府机构和企业越来越多地将目光投向AI技术,致力于检测疫情、提高临床治疗水平、减缓感染趋势并制定治疗方案,对抗COVID-19疫情。

在医疗影像学领域,麻省总医院Athinoula A. Martinos生物医学成像中心采用NVIDIA DGX A100 AI系统加速模型研究,每个系统都配备八个NVIDIA A100 Tensor Core GPU,并提供5 petaflops的AI性能。之后,采用NVIDIA Clara Deploy SDK,针对不同阶段拍摄的影像的严重程度评分进行比较。其基于放射学领域的深入洞察,能够更好地为临床医生服务,助力追踪患者病情,从而做出治疗决策。

由于放射影像中往往包含着很多信息,但却无法帮助医生立即做出临床决策。所以,在训练和部署COVID-19 AI 模型时,研究人员必须借助适合的 SDK 和工具,加速工作流程。研究过程中,研究人员通过多次对患者胸部扫描进行分割和对齐,依据X射线成像来判断肺部疾病的严重程度。同时,将放射学数据与其他临床变量相结合,预测COVID-19患者的康复情况。借助深度学习开发出的算法,可依据胸部X射线对肺部疾病的严重程度进行评估打分。这种方式具有复现性和可扩展性,让临床医生能够结合生命体征、脉搏血氧饱和度数据和血液检测结果等其他实验室检测值,对胸部X射线成像进行持续跟踪。最后,该中心的研究人员采用了NVIDIA Clara Deploy SDK,针对不同阶段拍摄的影像,对AI肺部疾病严重程度评分进行比较,帮助临床医生追踪患者病情进展。

其中,严重性评分AI的训练基于公开数据集。该数据集包括来自麻省总医院的超过150,000张胸部X射线图,以及几百张COVID-19阳性患者的X射线图。麻省总医院研究团队,利用NVIDIA Clara Deploy SDK对严重性评分AI进行了测试。除疫情之外,研究团队还计划将该模型的使用范围,扩大到如肺水肿或湿肺等更多疾病上。

针对不同阶段拍摄的影像,对AI肺部疾病严重程度评分(PXS)进行比较,可帮助临床医生追踪患者病情进展。

(图片来自发表于Radiology: Artificial Intelligence的研究论文,可供公开查阅。)

该团队采用的智能计算引擎NVIDIA Clara是NVIDIA于2018年发布的,其命名是为纪念北美红十字会创办人Clara Barton而设立。该平台将NVIDIA GPU硬件和NVIDIA Clara软件开发工具包相结合,以加快医疗深度学习应用程序的训练和推理。该平台包括用于医学图像人工智能辅助标注的API、传输学习工具包、医学模型开发环境和大规模人工智能部署工具。通过利用 NVIDIA Clara,数据科学家和开发者可以获得所需工具,加速实现医学领域的未来发展。

经过两年的发展Clara已经成为NVIDIA支撑医疗影像、基因和智慧医院等场景的综合性平台。通过使用 NVIDIA Clara,医学专家,数据科学家和AI应用开发者可以获得所需工具,加速实现医学领域发展。Clara Medical Imaging 是面向医疗影像的部分。目前,NVIDIA Clara 正在携手合作伙伴共同优化软件工具,助力开发者加速研发进度。

不久前,最新版Clara Medical Imaging已发布,可为客户提供更加便捷的医疗影像AI开发与部署的工具。通过采用最新版Clara Medical Imaging,即使是不熟悉程序开发的医疗从业人员也可以快速训练出自己的AI模型并部署到工作场景中。

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (2)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=1765120, encodeId=087c1e6512082, content=<a href='/topic/show?id=df00e086653' target=_blank style='color:#2F92EE;'>#病情#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=28, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=70866, encryptionId=df00e086653, topicName=病情)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=778d36, createdName=柳叶一刀, createdTime=Wed Sep 23 14:46:01 CST 2020, time=2020-09-23, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1385641, encodeId=13fe13856419a, content=<a href='/topic/show?id=b3d05e3382b' target=_blank style='color:#2F92EE;'>#放射学#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=27, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=57338, encryptionId=b3d05e3382b, topicName=放射学)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=e3bb506, createdName=kkunny, createdTime=Sat Sep 19 06:46:01 CST 2020, time=2020-09-19, status=1, ipAttribution=)]
  2. [GetPortalCommentsPageByObjectIdResponse(id=1765120, encodeId=087c1e6512082, content=<a href='/topic/show?id=df00e086653' target=_blank style='color:#2F92EE;'>#病情#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=28, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=70866, encryptionId=df00e086653, topicName=病情)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=778d36, createdName=柳叶一刀, createdTime=Wed Sep 23 14:46:01 CST 2020, time=2020-09-23, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1385641, encodeId=13fe13856419a, content=<a href='/topic/show?id=b3d05e3382b' target=_blank style='color:#2F92EE;'>#放射学#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=27, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=57338, encryptionId=b3d05e3382b, topicName=放射学)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=e3bb506, createdName=kkunny, createdTime=Sat Sep 19 06:46:01 CST 2020, time=2020-09-19, status=1, ipAttribution=)]
    2020-09-19 kkunny

相关资讯

ACR:早期强直性脊柱炎患者功能障碍与放射学损害相关性更强

在强直性脊柱炎(AS)的病程中,放射学损害和功能障碍是不断加重的。来自美国马里兰州贝塞斯达市国立卫生研究院关节肌肉及皮肤病系的MICHAEL M. WARD等人进行了一项研究,该研究的目的是观察在晚期AS患者,放射学损害对功能障碍影响是否更大;放射学损害和功能障碍的关联程度是否随受累的解剖区域而变化。研究结果在在线发布在2013年2月的《关节炎治疗与研究》(Arthritis Care Res)上

中国作者在Radiology上发表文章的难点在哪儿?

 Radiology自1923年定期发行以来,就被公认为是放射学领域最新,与临床相关切质量最高的权威杂志。杂志每月刊登296页的同行评审原创研究、权威评论、重要文章的评论以及对新技术的专家意见和建议。 根据最新统计数据显示,医学影像领域SCI期刊排名如下所示: Ranking Subject Journal Journal to Subjec

第二届国际医学影像和放射学新进展暨学术论著发表策略研讨会会议通知

/* Style Definitions */ table.MsoNormalTable {mso-style-name:普通表格; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:"";

放射学的偏倚: 漏诊和误诊如何发生、为什么发生

初译:黎良山,赵航,刘丽丽 审核:刘航 终审:吴励 医疗差错是发病和死亡的主要原因。每年发生的医疗差错的大约有44000到400000例(1,2),在美国,医疗差错甚至认为被是第三大死亡原因(2)。此外,医疗差错造成了不必要的医疗支出,每年损失估计在170亿美元到290亿美元之间(1)。 医学上的差错可以分为:诊断差错、治疗差错、预防差错和其他差错(如沟通不良、设备故障

ACR:矩形风险模型预测RA患者快速放射学损害的效果不佳

应用于这一观察队列时,所有模型均表现出次最佳效能 矩形风险模型被建议用来作为类风湿关节炎(RA)患者快速放射学损害(RRP)预测的一种工具,但是,该模型应用于RA的经验有限。针对这一情况,来自美国波士顿马萨诸塞州布里格姆和妇女居屋医院和挪威奥斯陆Diakonhjemmet医院的SIRI LILLEGRAVEN等人进行了一项研究,该研究将3种风险模型应用于一个观察队列,分析风险模型的效能。研究结果

1998-2007年因损伤相关情况至美国急诊科就诊患者使用先进放射学检测方法的情况

Context  Excessive use of medical imaging increases health care costs and exposure to ionizing radiation (a potential carcinogen) without yielding significant benefits to all patients. Objective&