当COVID-19大流行于2020年春季袭击美国时，加州大学圣地亚哥分校健康中心的研究人员已经开发了一种图像识别模型，该模型使用机器学习来识别难以检测的病例中的肺炎。由于肺炎正迅速成为COVID-19患者严重感染的主要指标之一，加州大学圣地亚哥分校健康中心临床研究信息官Mike Hogarth博士要求亚马逊网络服务（AWS）帮助建立一个系统，以便在临床环境中应用该模型，使医疗从业者能够在诊断和治疗中使用这些信息。
当患者文件和信息在医疗保健环境中使用时，数据安全性至关重要。应用人工智能模型的系统需要使加州大学圣地亚哥分校健康中心能够满足符合HIPAA的严格规则，以便在临床环境中使用。加州大学圣地亚哥分校健康中心过去曾在 AWS 上设置过类似合规的解决方案，这一经验使加州大学圣地亚哥分校健康中心团队能够在短短 10 天内使用 AWS 构建其所需的系统。
Albert Hsiao，医学博士，博士，加州大学圣地亚哥分校医学院放射学副教授和加州大学圣地亚哥分校健康学院放射科医生，他的团队开发了一种机器学习算法，允许放射科医生使用AI来增强自己在胸部X射线上发现肺炎的能力。
加州大学圣地亚哥分校健康中心是全球排名前15位的研究型大学之一。加州大学圣地亚哥分校医学院每年进行数百项临床试验，加州大学圣地亚哥分校健康服务研究中心专门从事健康结果数据的收集和分析，以支持研究。2018年，由加州大学圣地亚哥分校医学院放射学副教授Albert Hsiao博士领导的加州大学圣地亚哥分校健康中心一个团队开发了一种使用机器学习在X射线图像中检测肺炎的方法。“我们创建了一个带有颜色编码的概率图，表明肺炎的不确定性或确定性，”萧医生团队的住院医师Brian Hurt博士说。根据Hsiao博士的说法，“人们通常做的是创建一个模型，给出一个简单的是或否输出，表明它是否是肺炎。但我们认为，制作图像对于突出异常位置非常重要。该团队在2020年初发表了一篇关于这些结果的论文。
加州大学圣地亚哥分校健康团队以前曾使用 AWS 为其研究数据创建安全、符合 HIPAA 标准的环境。Hogarth博士说：“我在加州大学圣地亚哥分校的第一份工作是创造一个环境，在这个环境中，受保护的健康信息可以被计算出来，并在需要时移动。“我们的团队和 AWS 每周都会就如何优化它举行会议，当 COVID-19 大流行遭受重创时，AWS 询问它如何提供帮助，以及我们是否想做些什么。” 萧博士的团队模型立即浮现在脑海中。
目标是实施一个系统，该系统可以从临床环境中接收X射线，在其上运行模型，并快速返回结果以协助诊断。“在像我们这样的实验室中创建的许多模型都有潜在的前景，但如果没有实际将它们构建到临床工作流程中，就不是很有用，”萧博士说。这样的实施可能会影响COVID-19患者的诊断、治疗和结果。“COVID-19肺炎的发现与任何其他病毒性肺炎的发现基本相同，”萧博士说。“布莱恩训练的模型在这个人群中表现良好，因为它是一般检测肺炎的良好模型。该模型在两个方面是有用的。首先，如果它在X射线图像中检测到肺炎，它会在先前（可能是假的）阴性测试结果的情况下提示测试或重新测试。其次，在已知感染的患者中，在X射线上发现肺炎可以表明疾病的严重程度和预后，为治疗提供信息。
加州大学圣地亚哥分校健康研究小组已经建立了模型来接收图像，并用颜色编码的叠加层返回它们。它只需要一个可以连接到临床成像系统的云解决方案来接收图像并将其直接输出到患者的文件中，从而使图像便于医疗专业人员访问和查看。由于该团队已经在 AWS 上创建了符合 HIPAA 标准的环境，因此能够在短短 10 天内启动并运行该项目。Hogarth 博士说：“在 AWS 上运行的第一天，该模型处理了大约 400 张 X 射线，几乎没有故障。在实施后的6个月内，该模型在3-4分钟内处理了超过65，000张X射线。
该模型在护理点向医生提供信息的能力使其如此有用，而 AWS 在使这一点不仅成为可能而且维护简单明了方面至关重要。根据 Hogarth 博士的说法，在加州大学圣地亚哥分校健康中心一个 500 人的信息技术团队中，只有一名成员可以验证其职责是否持续遵守 HIPAA 和 AWS 环境中的其他法规。在临床环境中实施萧博士团队创建的模型时，主要需要 Amazon Elastic Compute Cloud （Amazon EC2） 实例。该环境提供团队所需的安全配置，并且随着计算容量的增加，可以轻松调整大小。
《美国急诊医师学会杂志》（Journal of the American College of Emergency Physicians Open）最近发表的一篇论文指出，实施这种模式在20%的时间内影响了临床决策。“我们所知道的真正影响临床决策的事情很少，”萧博士说。该模型的初始准确率为86%，该团队将很快部署一个更准确的版本，该版本可以解释位于心脏后面时经常错过的肺炎病例。
在现有的床旁工作流程中评估基于机器学习的临床决策支持很重要，但相对不常见。虽然这种图像分析工具的评估仍处于起步阶段，但有轶事证据表明它正在产生积极影响。近日，一名78岁患者因发热腹痛入院。医生没有考虑COVID-19诊断，但该模型在胸部X光片上显示了肺炎的迹象。因此，他们对患者进行了检测，结果发现病毒呈阳性。
Hsiao博士的团队计划继续和完善该模型，但是在护理点评估机器学习和人工智能算法的想法在广泛的其他医疗保健研究中也有潜在的应用。“对我们来说，这是一个数据和决策支持管道，”Hogarth博士说。“我们已经通过这些图像演示了管道的使用，但也可能有许多其他应用程序。
COVID-19 肺炎患者的胸部 X 线检查、原始 X 线检查（左）和肺炎 AI 结果（右）。患者有一个起搏器装置和一个扩大的心脏，这表明人工智能算法足够强大，即使患者有潜在的健康问题也能工作。
加州大学圣地亚哥分校健康中心是加州大学圣地亚哥分校（UCSD）的卫生系统。加州大学圣地亚哥分校成立于1960年，是全球排名前15位的研究型大学之一，包括七所本科学院，四个学术部门以及七所研究生和专业学校，包括加州大学圣地亚哥分校医学院。
◊ 在10天内在临床环境中实施了其成像模型
◊ 保持符合 HIPAA 标准
◊ 可以处理图像并在3-4分钟内将其输出到患者文件中
◊ 实施了在 20% 的时间内影响临床决策的解决方案
◊ 创建了一个可扩展的解决方案，可适应未来的研究应用
◊ 在 6 个月内处理了超过 65，000 张图像
（内容来源网络，如有侵权请联系删除）
