新研究表明，人工智能可以在肺部超声图像中发现COVID-19，就像面部识别软件可以在人群中识别人脸一样。

　　这些发现促进了人工智能驱动的医疗诊断，并使医疗保健专业人员能够通过梳理超声图像以识别疾病迹象的算法快速诊断COVID-19和其他肺部疾病患者。

　　新发表在《通信医学》(communication Medicine)杂志上的这些发现，使一项始于大流行早期的努力达到了高潮，当时临床医生需要工具来快速评估人满为患的急诊室中的大量患者。

　　该工具还具有开发可穿戴设备的潜力，可追踪充血性心力衰竭等疾病，充血性心力衰竭可能导致患者肺部液体过载，与COVID-19不同，约翰霍普金斯医学院急诊医学助理教授Tiffany Fong说。

　　“我们在这里用人工智能工具所做的是医疗点的下一个重大前沿，”Fong说。“一个理想的用例是可穿戴的超声波贴片，它可以监测液体积聚，并让患者知道何时需要调整药物或何时需要看医生。”

　　人工智能分析超声肺部图像，以发现被称为b线的特征，b线显示为明亮的垂直异常，表明肺部并发症患者有炎症。它将计算机生成的图像与患者的真实超声波相结合。包括一些在约翰霍普金斯大学寻求治疗的人。

　　“为了得到可信的模拟图像，我们必须很好地模拟超声波和声波传播的物理过程，”贝尔说。“然后我们必须进一步训练我们的计算机模型，使用这些模拟数据来可靠地解释肺部受影响患者的真实扫描结果。”

　　贝尔说，在大流行初期，由于缺乏患者数据，而且他们才刚刚开始了解这种疾病在体内的表现，科学家们很难利用人工智能来评估肺部超声图像中的COVID-19指标。

　　她的团队开发了一种软件，可以从真实和模拟数据中学习，然后在超声扫描中识别出表明一个人感染了COVID-19的异常情况。这个工具是一个深度神经网络，这是一种人工智能，被设计成像相互连接的神经元一样，使大脑能够识别模式、理解语音，并完成其他复杂的任务。

　　“在大流行早期，我们没有足够的COVID-19患者超声图像来开发和测试我们的算法，因此我们的深度神经网络从未达到峰值性能，”第一作者赵凌一说，他在贝尔实验室做博士后时开发了该软件，现在在Novateur研究解决方案公司工作。“现在，我们正在证明，通过计算机生成的数据集，我们仍然可以在评估和检测这些COVID-19特征方面达到高度的准确性。”