一种突破性的新型人工智能模型能够从超声波视频中检测出不同肺部疾病的存在，准确率高达 96.57%，它甚至能够区分异常是由肺炎、COVID-19 还是其他疾病引起的。

该模型由澳大利亚查尔斯-达尔文大学（CDU）、联合国际大学（United International University）和澳大利亚天主教大学（ACU）的研究人员开发，能够识别不同肺部疾病的特定模式，其性能优于之前在相同超声波数据集上测试过的人工智能工具。

"该模型还利用人工智能技术向放射科医生展示它做出某些决定的原因，使他们更容易信任和理解结果，"研究报告的合著者、CDU 教授 Niusha Shafiabady 说。"这个模型可以帮助医生快速准确地诊断肺部疾病，支持他们的决策，节省时间，并可作为一种有价值的培训工具。"

虽然它们看起来不同，但在超声波检查框架上，肉眼很难将它们区分开来

该团队将两种人工智能模型结合在一起，凸显了该技术对诊断需求的适应性。 其中一种被称为卷积神经网络（CNN），它在图像或帧中寻找模式，重点关注人眼在检查扫描时可能忽略的基于像素的最微小变化。 然后，一个长短期记忆（LSTM）模型使用这些信息，并将其放入更广泛的背景中，随着时间的推移分析 CNN 的数据，同时"遗忘"无关数据。

在它们的共同作用下，被称为 TD-CNNLSTM-LungNet 的新型混合模型能够令人难以置信地发现异常，然后解释问题所在。 此外，它还能确定扫描结果是否显示肺炎、COVID-19、其他肺部疾病或肺部是否正常。 人工智能的"召回"率高达 96.51%，这意味着人工智能几乎不会识别出假阴性结果，这对于治疗时间紧迫的肺部疾病非常重要。

利用现有数据集的超声波视频，该模型超越了现有的人工智能诊断工具，后者目前的得分率约为 90-92%。

人工智能模型可以识别肺炎的症状，这些症状与其他肺部疾病不同

毫无疑问，人工智能诊断很快就会在诊所中普及，但人们对这一新兴技术的怀疑和不信任依然存在。 虽然我们现在能与之互动的人工智能聊天机器人在现阶段还没有接受过临床评估医学扫描或测试的训练，但正在全面开发的特定模型将成为医疗保健领域的可靠工具。

例如，就在一年前，美国食品和药物管理局（FDA）批准了DermaSensor设备的使用，这是第一款由智能手机AI驱动的设备，被证明能够检测出大约200种不同的皮肤癌。 虽然这些工具并不是要取代医疗专业人员--我的皮肤癌专家在使用人工智能摄像设备之前就正确地识别出了我背部的癌斑--但它们将成为我们在医学领域所见过的最有益、最经济实惠的技术。

这个新的肺病人工智能模型为我们提供了一个线索，它能够正确识别诸如 COVID-19 和肺炎之间的细微差别。 正如研究人员所指出的那样，这两种疾病在人眼中看起来都很相似，但却有不同的模式，使人工智能模型能够发现其中的区别。 然后，该模型会生成一份报告，说明每次扫描得出结论的原因。

沙菲阿巴迪说："拟议模型的可解释性旨在提高这种方法的可靠性。该系统利用热图等视觉效果向医生展示其做出某些决定的原因。 这种解读技术将帮助放射科医生定位病灶区域，大幅提高临床透明度。"

2024 年，Google在医疗诊断和人工智能领域取得了巨大进步。 同样，Google正在开发用于医疗保健的技术，以协助从手术到药物发现的一切工作。 它已经显示出在检测脑肿瘤和其他癌症方面的应用潜力。

只要根据正确的数据对模型进行训练，它就有可能进一步提高肺病诊断能力，发现肺结核、黑肺、哮喘、癌症、慢性肺病和肺纤维化的迹象。 研究人员希望调整该模型，使其能够准确评估CT扫描和X射线等超声波检查以外的其他检查。

这项研究发表在Frontiers in Computer Science杂志上。