न्यू कोरोनावायरस निमोनिया सीटी डायग्नोसिस में आर्टिफिशियल इंटेलिजेंस की भूमिका और चुनौती

अधिक जानकारी के लिए:ali.ma@wecistanche.com

हाइलाइट

कम्प्यूटरीकृत टोमोग्राफी (सीटी) छवि नैदानिक ​​अनुसंधान नैदानिक ​​परीक्षणों के रूप में कृत्रिम बुद्धि (एआई) सॉफ्टवेयर विकास प्रक्रिया के संबंध में, यह पेपर नवीन रूप से नैदानिक ​​परीक्षण की पद्धति आवश्यकताओं के आधार पर वैज्ञानिकता और मानकता पर विचार करता है। पेपर वास्तविक नैदानिक ​​समस्याओं में मदद करने और रोगियों को वास्तविक नैदानिक ​​लाभ लाने में मदद करने वाले एआई डायग्नोस्टिक सॉफ़्टवेयर को बढ़ावा देने के 4 तरीके भी उठाता है।

सिस्टैन्च के साइड इफेक्ट और इम्युनिटी के लिए सिस्टैंच पर क्लिक करें

सार

2020 की शुरुआत में, नया कोरोनावायरस निमोनिया(कोविड-19)चीन में फूट पड़ा। आर्टिफिशियल इंटेलिजेंस (एआई) क्षेत्र में चिकित्सा से संबंधित कई उत्पाद तेजी से सामने आए हैं, जिसने महामारी से लड़ने में महत्वपूर्ण भूमिका निभाई है। यह लेख रेडियोलॉजी और महामारी नियंत्रण में एआई के वर्तमान अनुसंधान और अनुप्रयोग की स्थिति को सारांशित करता है और अनुसंधान में एआई प्रौद्योगिकी की सामान्य समस्याओं का विश्लेषण करता है।कोविड-19निदान। इसमें मुख्य रूप से नैदानिक ​​अध्ययन डिजाइन पर विचार, अनुसंधान कार्यान्वयन में कठिनाइयाँ और AI मॉडल की विश्वसनीयता सत्यापन में चुनौतियाँ शामिल हैं। उपरोक्त कठिनाइयों के जवाब में, एआई नैदानिक ​​अनुसंधान की वैज्ञानिकता और गुणवत्ता के अनुकूलन के लिए सुझाव प्रस्तावित हैं।

कीवर्ड:कोविड-19महामारी, कृत्रिम बुद्धि, कम्प्यूटरीकृत टोमोग्राफी, नैदानिक ​​अनुसंधान

महामारी रोधी में विविध कृत्रिम बुद्धिमत्ता उत्पादों की महत्वपूर्ण भूमिका

2020 की शुरुआत में, का प्रकोपनया कोरोनावाइरस न्यूमोनिया(कोरोनावायरस, COVID-19) रोग की रोकथाम और नियंत्रण के कार्यान्वयन को एक बड़ी चुनौती में डाल दिया। उदाहरण के लिए, एक बड़े ट्रैफ़िक प्रवाह वाले ट्रैफ़िक हब में सभी के शरीर के तापमान को तेज़ी से कैसे मापें; बड़े पैमाने पर संभावनाओं के बीच संभावित प्रभावी दवाओं की तेजी से जांच कैसे करें; बड़ी आबादी में संदिग्ध मामलों की जांच कैसे करें; निदान किए गए रोगियों के उपचार के दौरान चिकित्सा पेशेवरों की कमी और क्रॉस-संक्रमण से कैसे निपटें। आर्टिफिशियल इंटेलिजेंस (एएल, हाल के वर्षों में सबसे लोकप्रिय क्षेत्रों में से एक के रूप में, नए एआई उत्पादों के आवेदन के माध्यम से कुछ मुद्दों को हल करता है, जो रोग की रोकथाम, नियंत्रण और निदान की दक्षता में सुधार करता है।

एआई संभावित प्रसार क्षेत्रों को पूर्व चेतावनी देने के लिए लोगों की गतिविधि के निशान का विश्लेषण करके महामारी के विकास की प्रवृत्ति की निगरानी और अनुकरण करने में मदद करता है। एआई प्रसार मार्गों का विश्लेषण भी कर सकता है, नैदानिक ​​​​रोगियों के करीबी संपर्कों का पता लगा सकता है, और जल्दी से संगरोध और उपचार कर सकता है। एआई इमेज रिकग्निशन टेक्नोलॉजी के साथ इंफ्रारेड थर्मल इमेजर असामान्य शरीर के तापमान वाले व्यक्तियों का पता लगाने के लिए सार्वजनिक स्थानों पर बुखार का पता लगाता है। नई दवाओं के विकास में, एआई आगे के विकास के लिए सैकड़ों दवाओं से सबसे शक्तिशाली एंटीवायरल और विरोधी भड़काऊ दवाओं की स्क्रीनिंग में मदद करता है [2]। निदान और उपचार में, डीप न्यूरल नेटवर्क (डीएनएन) मॉडल को कंप्यूटेड टोमोग्राफी (सीटी) ग्राफिक डेटा ("सीटी प्लस एआई) को पहचानने के लिए अपनाया गया था ताकि डॉक्टरों को जल्दी निदान करने में मदद मिल सके।

COVID के निदान में सहायता करने में "CT plus AI" के सामने आने वाली चुनौतियाँ-19

रेडियोलॉजी में आर्टिफिशियल इंटेलिजेंस के अनुप्रयोग ने विशेष ध्यान आकर्षित किया है। डीएनएन का व्यापक रूप से विभिन्न चिकित्सा स्कैनिंग प्रौद्योगिकियों में उपयोग किया गया है, उदाहरण के लिए, छाती डिजिटल रेडियोग्राफी (डीआर) [3-5] पर निमोनिया का निदान, कैंसरयुक्त फुफ्फुसीय नोड्यूल का पता लगाना [6] और तपेदिक [7], फ्रैक्चर का पता लगाना, और एक्स-रे के माध्यम से हड्डी की उम्र की भविष्यवाणी [8-10]। स्तन एक्स-रे की परीक्षा और मूल्यांकन [11,12]; सीटी छवियों पर फुफ्फुसीय नोड्यूल [13,14], निमोनिया [15], यकृत द्रव्यमान [16], अग्नाशयी कैंसर [17] और कशेरुकी संपीड़न फ्रैक्चर [18] का पता लगाना और निदान करना; हृदय चुंबकीय अनुनाद इमेजिंग [19] में वेंट्रिकल की रूपरेखा तैयार करता है। एक अल्ट्रासाउंड परीक्षा निरीक्षण, एआई मॉडल कार्डियक इमेजिंग का निदान और मात्रात्मक विश्लेषण कर सकता है [20.21]। साथ ही अल्ट्रासाउंड थायरॉयड नोड्यूल का पता लगाने और सौम्य और घातक [22,23] (तालिका 1) का निदान।

नए कोरोनावायरस निमोनिया के निदान में, सीटी, डीआर, और अल्ट्रासाउंड आमतौर पर अपनी विशेषताओं के अनुसार संबंधित प्रक्रियाओं और परिदृश्यों में इमेजिंग परीक्षा तकनीकों का उपयोग किया जाता है। उनमें से घाव का पता लगाने के प्रारंभिक चरण में सीटी प्राथमिकता है। चूंकि "COVID-19 निमोनिया निदान और उपचार कार्यक्रम (परीक्षण संस्करण 5)" जारी किया गया है, इसलिए CT इमेजिंग निदान को नए COVID-19 [24] के नैदानिक ​​निदान मानकों में भी शामिल किया गया है। हालांकि, एक एकल रोगी के निदान के लिए सौ से अधिक सीटी छवियों के मैनुअल अवलोकन की आवश्यकता होती है, बड़ी संख्या में नैदानिक ​​आवश्यकताओं के साथ, डॉक्टरों को कम दक्षता के साथ एक बड़ा कार्यभार भुगतना पड़ता है। सॉफ्टवेयर-सक्षम एआई तकनीक इन नैदानिक ​​बाधाओं को दूर कर सकती है। इसकी उच्च सटीकता, एकीकृत मानकों और उद्योग डेटा और प्रौद्योगिकी के गहन संचय के कारण सीटी निरीक्षण वर्तमान निमोनिया डायग्नोस्टिक एआई सॉफ्टवेयर के लिए पसंदीदा इमेजिंग समाधान बन गया है [27. व्यावहारिक अनुप्रयोगों में, नैदानिक ​​मॉडल एक विशिष्ट एल्गोरिथ्म के माध्यम से निमोनिया की छवि की पहचान कर सकते हैं ताकि यह अनुमान लगाया जा सके कि यह बीमार है [27-29]। फेफड़े के मात्रात्मक विश्लेषण मॉडल घाव के स्थान का पता लगा सकते हैं, घावों की संख्या की गणना कर सकते हैं, घाव के दायरे की रूपरेखा तैयार कर सकते हैं, फेफड़े के घाव क्षेत्र की संक्रमण दर की गणना कर सकते हैं, और रोग की प्रगति का प्रबंधन करने और आकलन करने के लिए अनुवर्ती सॉफ्टवेयर के साथ सहयोग कर सकते हैं। पूर्वानुमान [28]। सॉफ्टवेयर द्वारा सहायता प्राप्त, डॉक्टरों का कार्यभार कम हो जाता है, और निदान और उपचार की गति और सटीकता में सुधार होता है, हालांकि, अल एडेड न्यू कोरोनवायरस निमोनिया सीटी निदान के शोध में कुछ सामान्य समस्याओं पर जोर देना महत्वपूर्ण है, जो इस प्रकार हैं:

पढ़ाई की सरंचना

नए COVID-19 निमोनिया सीटी निदान में, "सीटी प्लस एआई" नैदानिक ​​मॉडल विकास के सबसे प्रारंभिक चरण में विभिन्न निदान और उपचार चरणों को अनुकूलित करने के लिए मॉडल डिजाइन पर विविध रूप से विचार किया जाना चाहिए। उदाहरण के लिए, प्रारंभिक स्क्रीनिंग मॉडल के प्रशिक्षण के लिए उपयोग किए जाने वाले नियंत्रण समूह को एंटीडायस्टोल में चुने गए समूह से अलग किया जाना चाहिए: 1) प्रारंभिक जांच समस्या में निर्णय संदिग्ध मामलों को स्वस्थ आबादी से अलग करने के लिए उच्च संवेदनशीलता पसंद करते हैं, इसलिए, नियंत्रण मामले के नमूनों को प्रशिक्षित किया जाता है। एआई मॉडल अस्वस्थ फेफड़ों की छवियों के खिलाफ स्वस्थ फेफड़ों की सीटी छवियां होनी चाहिए। कम छूटे हुए निदान दर के मॉडल प्रदर्शन को सुनिश्चित करने के लिए अस्वस्थ फेफड़ों के मामले कई संदिग्ध निमोनिया प्रकारों से बने होते हैं। 2) एंटीडायस्टोल परिदृश्य में, नए कोरोनावायरस निमोनिया को अन्य संक्रमणों के कारण होने वाले निमोनिया से अलग करने के लिए उच्च विशिष्टता की क्षमता आवश्यक है। अधिक ठोस रूप से, वास्तविक नैदानिक ​​परिस्थितियों को देखते हुए, आदर्श नियंत्रण डिजाइन को समान नैदानिक ​​लक्षणों या महामारी विज्ञान के इतिहास जैसे बुखार, खांसी, सीटी फेफड़ों की छवि असामान्यताओं के साथ दो समूहों की तुलना करनी चाहिए, लेकिन न्यूक्लिक एसिड परीक्षण (या अन्य नैदानिक ​​​​स्वर्ण मानकों) में नकारात्मक और सकारात्मक परिणाम। . इस तरह के डिजाइन का उद्देश्य नए कोरोनावायरस निमोनिया की अधिक विशिष्ट रेडियोमिक विशेषताओं को समेकित करना था। इसके अलावा, मॉडल के प्रदर्शन का आकलन करने के लिए चुने गए मूल्यांकन मीट्रिक पर सावधानीपूर्वक विचार करने की आवश्यकता है। उदाहरण के लिए, "सीटी प्लस एआई" डायग्नोस्टिक मॉडल का मूल्यांकन करते समय, सटीकता अनुपात एक उचित संकेतक नहीं है जो मॉडल का पूरी तरह से आकलन कर सकता है। परीक्षण डेटा के सकारात्मक और नकारात्मक नमूनों के बीच असंतुलन प्रदर्शन को अधिक आंकने का मुद्दा पैदा करेगा (उदाहरण के लिए एक परीक्षण सेट जिसमें 96 सकारात्मक और 4 नकारात्मक मामले शामिल हैं, एक भोले मॉडल को 96 प्रतिशत तक उच्च सटीकता प्रदान कर सकता है, भले ही मॉडल केवल सकारात्मक बताएं)। एआई डायग्नोस्टिक सॉफ्टवेयर बेहतर क्षमता और दक्षता के लिए विशिष्ट नैदानिक ​​​​समस्या में लागू किया जाता है। कार्यान्वयन से पहले, विशिष्ट नैदानिक ​​समस्याओं के लिए अध्ययन के उद्देश्यों को स्पष्ट और स्पष्ट करने की आवश्यकता है। फिर वैज्ञानिक तरीके से एक कार्यप्रणाली डिजाइन का संचालन किया जाना चाहिए। एक संपूर्ण शोध योजना भी तैयार की जानी चाहिए। अध्ययन की वस्तुएँ, समावेशी-अनन्य का नियम, और समापन बिंदु मूल्यांकन के मेट्रिक्स पर पूरी तरह से विचार किया जाना चाहिए। वैज्ञानिक डिजाइन के साथ अग्रणी, पूर्वाग्रह के जोखिम को कम किया जा सकता है, उच्च गुणवत्ता वाले शोध साक्ष्य प्राप्त किए जा सकते हैं, और नैदानिक ​​​​अनुप्रयोग के लिए विश्वसनीय मार्गदर्शन प्रदान किया जा सकता है।

अनुसंधान कार्यान्वयन

आर्टिफिशियल इंटेलिजेंस डीएनएन मॉडल की प्रशिक्षण प्रक्रिया विशुद्ध रूप से डेटा-संचालित है। यह प्रशिक्षण चरण के दौरान बड़ी संख्या में सटीक रूप से लेबल किए गए छवि नमूनों पर निर्भर करता है। डेटा की मात्रा जितनी बड़ी होगी, मॉडल का भेदभावपूर्ण प्रदर्शन उतना ही बेहतर होगा। डायबिटिक रेटिनोपैथी डायग्नोसिस सिस्टम, एआई मेडिकल डिवाइस के रूप में, जिसे अमेरिकी प्रौद्योगिकी दिग्गज Google द्वारा विकसित किया गया है, ने क्लिनिकल परीक्षण के दूसरे चरण को पार कर लिया है। प्रणाली की प्रशिक्षण प्रक्रिया में 10,000 मामलों के 130 मिलियन चित्रों का उपयोग किया जाता है, जो चिकित्सा विशेषज्ञों के स्तर के करीब है [30]। इसके विपरीत, हालांकि नामित चिकित्सा इकाइयों ने महामारी में सॉफ्टवेयर प्रशिक्षण और विकास के लिए प्रौद्योगिकी निर्माताओं के सहयोग से नए कोरोनावायरस सीटी छवि डेटा जमा किए, कुल राशि अपेक्षाकृत कम है और वितरण अपेक्षाकृत बिखरा हुआ है, साथ ही सीटी छवि पर विशेषज्ञों का दुर्लभ संसाधन प्रारंभिक चरण में लेबलिंग, जिसके परिणामस्वरूप मॉडल प्रशिक्षण के लिए केवल एक छोटा डेटा सेट उपलब्ध है और लेबलिंग गुणवत्ता की गारंटी देना कठिन है। अपर्याप्त प्रशिक्षण डेटा डीएनएन मॉडल को सीटी छवियों में जानकारी को "याद" करने का कारण बन सकता है जो वास्तविक निदान के लिए प्रासंगिक नहीं है क्योंकि इसकी संरचनात्मक विशेषताओं में मजबूत अभिव्यक्ति शक्ति है, जिससे भविष्य के डेटा का न्याय करने की क्षमता कम हो जाती है और कम हो जाती है। कम डेटा मात्रा की स्थिति में पर्याप्त प्रशिक्षण प्रभाव प्राप्त करने के लिए, अधिक जटिल आंतरिक मॉडल संरचना और मॉडल प्रशिक्षण कौशल को डिजाइन करना अक्सर आवश्यक होता है, जिससे कार्यान्वयन की कठिनाई भी बढ़ जाती है।

COVID की नई असाधारणता पर विचार-19

नैदानिक ​​​​अनुभव के आधार पर, नए कोरोनावायरस निमोनिया की छाती सीटी छवि में "समान छवि लेकिन अलग बीमारी" की विशेषताएं हैं। मानव आंखों से भेद करना मुश्किल है जिससे एंटीडायस्टोल में कठिनाई बढ़ जाती है। यदि प्रशिक्षण नमूना आकार छोटा है तो कठिनाई अधिक प्रमुख है। इसके अलावा, नए COVID-19 के निदान मानदंड में से एक के रूप में, न्यूक्लिक एसिड किट के परिणाम उच्च विशिष्टता लेकिन कम संवेदनशीलता दिखाते हैं। यदि इसका उपयोग प्रशिक्षण नमूनों को सोने के मानक के रूप में लेबल करने के लिए किया जाता है, तो वास्तविक सकारात्मक नमूनों को गलत तरीके से नकारात्मक के रूप में चिह्नित किया जाएगा। गलत तरीके से लेबल किए गए डेटा के साथ प्रशिक्षण सीधे मॉडल के प्रदर्शन को कम करेगा।

एआई निदान की विश्वसनीयता का सत्यापन

एआई निदान मॉडल के कार्यान्वयन के बाद केवल आंतरिक डेटा परीक्षण द्वारा निदान प्रभाव का मूल्यांकन करना विश्वसनीय नहीं है। विभिन्न सीटी उपकरण मॉडल, भौगोलिक क्षेत्रों, वास्तविक नैदानिक ​​वातावरण, वायरस भिन्नता, और अन्य कारकों के कारण डेटा के नीचे कन्फ़्यूडर, मॉडल के नैदानिक ​​परिणाम को प्रभावित कर सकता है। सीमित आंतरिक डेटा परीक्षणों के साथ इन जटिल कारकों से निपटने के लिए मॉडल मुश्किल से ही क्षमता रखता है। जब एआई डायग्नोस्टिक सॉफ़्टवेयर को पूर्ण सत्यापन के बिना नैदानिक ​​उपयोग में लाया जाता है, तो इसे केवल ऑफ़लाइन प्रशिक्षण और अनुकूलन के माध्यम से पुनरावृत्त किया जा सकता है क्योंकि यह मानव डॉक्टरों जैसे नए मामलों को सीखना जारी रखकर निदान और उपचार स्तर में सुधार नहीं कर सकता है। एक मानव चिकित्सक के गलत निदान की तुलना में, कंप्यूटर सॉफ्टवेयर की सीमाओं के कारण होने वाले संभावित आईट्रोजेनिक जोखिम अधिक प्रमुख होंगे। "मेडिकल डिवाइस क्लासिफिकेशन कैटलॉग" (CFDA 2017 No.143) के नए संस्करण के अनुसार, AI डायग्नोस्टिक सॉफ्टवेयर, एक मेडिकल डिवाइस के रूप में, सटीकता को पूरी तरह से सत्यापित करने के लिए एक व्यवस्थित ऑडिट और व्यापक सिमुलेशन, यहां तक ​​कि संभावित नैदानिक ​​​​परीक्षणों के साथ आगे बढ़ना चाहिए। और नैदानिक ​​निदान की विश्वसनीयता। नेशनल इंस्टीट्यूट ऑफ फूड एंड ड्रग कंट्रोल (एनआईएफडीसी) के आर्टिफिशियल इंटेलिजेंस ग्रुप ने एआई चिकित्सा उपकरणों की एक सुरक्षा प्रणाली स्थापित की और मानक डेटा सेट सत्यापन [30] के आधार पर परीक्षण विधि निर्धारित की। वर्तमान में, नए COVID-19 रोग इकाई के लिए कोई मानक डेटाबेस नहीं है, इसलिए वास्तविक दुनिया में अधिकांश मेडिकल स्कैन निदानों में मौजूदा AI सॉफ़्टवेयर की उच्च पुनरावृत्ति सटीकता को सत्यापित करना मुश्किल है।

"सीटी प्लस एआई" डायग्नोस्टिक मॉडल की गुणवत्ता और वैज्ञानिक मानकीकरण में सुधार करें

चिकित्सा उद्योग में आर्टिफिशियल इंटेलिजेंस का अनुप्रयोग अभी भी चीन में प्रारंभिक चरण में है, जबकि हाल के वर्षों में इसे मजबूत ध्यान और तेजी से विकास प्राप्त हुआ है, जिसे राष्ट्रीय रणनीतिक खाका [30] में भी शामिल किया गया है। कई कृत्रिम बुद्धिमत्ता उत्पादों ने चिकित्सा क्षेत्र में आशाजनक संभावनाएं दिखाई हैं। अगले चरण में, व्यावसायीकरण के लिए, उद्योग का ध्यान वैज्ञानिक रूप से डिजाइन अनुसंधान और कार्यान्वयन और सत्यापन प्रक्रिया को मानकीकृत करने पर होगा; चिकित्सा उद्योग में कृत्रिम बुद्धिमत्ता को स्वस्थ रूप से विकसित करना, नए चिकित्सा उपकरण विनिर्देश के अनुसार अल-असिस्टेड डायग्नोस्टिक उत्पादों के प्रबंधन का मानकीकरण करना। हालांकि महामारी के दौरान उभरे कई एआई उत्पादों ने डॉक्टरों को रोग निदान और उपचार में सुविधा प्रदान की है, समग्र वैज्ञानिक कठोरता और गुणवत्ता विश्वसनीयता में अभी भी और सुधार और पूर्णता की आवश्यकता है।

नैदानिक ​​​​समस्याओं में एआई प्रौद्योगिकी के अध्ययन डिजाइन में सुधार करें

वर्तमान में, नए COVID-19 CT-सहायता प्राप्त निदान पर अधिकांश शोध पूर्वव्यापी केस-नियंत्रण विधियों का उपयोग करते हैं। लाभों में से एक सीमित शोध विषयों से विभिन्न जानकारी जल्दी से प्राप्त करना है, जबकि पूर्वाग्रह का जोखिम है। केस-कंट्रोल अध्ययन में नमूने कुल नैदानिक ​​मामलों से लिए जाने चाहिए या उनमें से यादृच्छिक रूप से चुने जाने चाहिए, हालांकि, सीमित स्रोतों के कारण, नमूने सभी रोगियों का प्रतिनिधित्व नहीं कर सकते हैं। वास्तविक स्थिति के अनुसार पूर्वाग्रह को कम करने और साक्ष्य के स्तर को बढ़ाने के लिए विशेष नियंत्रण नमूने का उपयोग किया जा सकता है, उदाहरण के लिए, एक ही चिकित्सा संस्थान से मामलों का चयन करना, दो या अधिक नियंत्रण समूहों का उपयोग करना, और चर का मिलान करना। डायग्नोस्टिक मॉडल प्रदर्शन के आकलन में, वास्तविक सकारात्मक दर और झूठी सकारात्मक दर चार्ट (रिसीवर ऑपरेटिंग विशेषता वक्र (आरओसी वक्र)) का उपयोग चिकित्सक मूल्यांकन के साथ एआई एल्गोरिदम व्याख्या की तुलना करने के लिए किया जा सकता है, या वक्र (एयूसी) के तहत क्षेत्र के रूप में इस्तेमाल किया जा सकता है। मॉडल प्रदर्शन का संदर्भ। फिर भी, पूरी तरह से तुलना या संकेतकों पर निर्भर नैदानिक ​​​​लाभों की पूरी तरह से व्याख्या करना अभी भी मुश्किल है, अन्य नैदानिक ​​​​निर्णय लेने वाले कारकों, वास्तव में, व्यापक मूल्यांकन के लिए भी विचार करने की आवश्यकता है।

मॉडल कार्यान्वयन प्रक्रिया के दौरान लेबल की सटीकता में सुधार, प्रशिक्षण नमूनों की संख्या और आयाम का विस्तार करना

प्राथमिक चरण में, सीटी छवि नमूनों की एक छोटी संख्या द्वारा प्रशिक्षित मॉडल ने पहले से ही एक अच्छा चलन दिखाया है। समय के साथ, अधिक मामले मॉडल प्रशिक्षण में बेहतर बुनियादी समर्थन में सुधार करेंगे। जितनी अधिक छवियां सीखी गईं, उतनी ही अधिक क्षमता COVID-19 निदान में "समान छवियों, अलग-अलग मामलों" की कठिनाई पर विजय प्राप्त करने की। इस स्थिति के जवाब में, सीटी छवि डेटा के आधार पर, मॉडल बीमारी का व्यापक आकलन करने और निदान सटीकता में सुधार करने के लिए रोगी के नैदानिक ​​संकेतों, महामारी विज्ञान, प्रयोगशाला परीक्षा और अन्य डेटा को मिलाकर सूचना के क्षेत्र का विस्तार भी कर सकता है। नमूना लेबलिंग सटीकता में सुधार स्वर्ण मानक रणनीति के अनुकूलन द्वारा प्राप्त किया जा सकता है। एकल झूठे-नकारात्मक परिणाम की संभावना की भरपाई के लिए न्यूक्लिक एसिड परीक्षण के कई अंतराल लागू करें, या अन्य नैदानिक ​​किट, जैसे आईजीएम/एलजीजी एंटीबॉडी का पता लगाने के संदर्भ में परिणाम को क्रॉस-सत्यापित करें।

एक नया कोरोनावायरस निमोनिया सीटी मानक परीक्षण डेटाबेस स्थापित करें

एआई मॉडलिंग के कार्यान्वयन और आंतरिक सत्यापन के बाद, एक मानक डेटाबेस परीक्षण प्रणाली के माध्यम से बाहरी विश्वसनीयता सत्यापन की आवश्यकता होती है। फंडस रोगों और फुफ्फुसीय नोड्यूल्स की स्थापित मानक डेटाबेस प्रणाली के संबंध में, रोग संस्थाएं अविकसित क्षेत्रों सहित देश भर के विभिन्न चिकित्सा संस्थानों से आती हैं। डेटा में कई प्रकार के विनिर्देश होते हैं और विभिन्न मॉडलों और मापदंडों के उपकरणों के साथ संगत होते हैं। परीक्षण डेटा लेबलिंग में भाग लेने वाले डॉक्टरों के पास एआई चिकित्सा अनुसंधान का अनुभव है और उन्हें अच्छी तरह से प्रशिक्षित किया गया है। उच्च सटीकता, स्थिरता और समृद्ध नैदानिक ​​अनुभव वाले डॉक्टरों द्वारा एक विशेष शोध दल का गठन किया जाएगा। मानक परीक्षण डेटा सेट कंपनी और मशीन के निशान मिटा देता है और बंद वातावरण में निष्पक्ष और उद्देश्य प्रदर्शन मूल्यांकन सुनिश्चित करने के लिए डेटा पूर्वाग्रह को सख्ती से नियंत्रित करता है [30]। संक्षेप में, केवल अलग-अलग संस्थानों पर भरोसा करके एक नया COVID-19 CT मानक डेटाबेस स्थापित करना मुश्किल है। महामारी की विशेष अवधि के दौरान राष्ट्र को संबंधित सहायता प्रदान करनी चाहिए। उदाहरण के लिए, देश भर में सभी पक्षों के सहयोग और संसाधन साझा करने का मार्गदर्शन और समन्वय करने के लिए एक नया COVID-19 विशेष कृत्रिम बुद्धिमत्ता समूह स्थापित करें, और संयुक्त रूप से एक विशेष रोग परीक्षण डेटाबेस और अन्य सत्यापन मानकों को तैयार करें।

कृत्रिम बुद्धिमत्ता चिकित्सा अनुसंधान के डेटा प्रबंधन का मानकीकरण करें

3 जुलाई, 2019 को, सेंटर फॉर मेडिकल डिवाइस इवैल्यूएशन ने "डीप लर्निंग असिस्टेड डिसीजन-मेकिंग मेडिकल डिवाइस सॉफ्टवेयर रिव्यू के प्रमुख बिंदु" (मुख्य बिंदु) जारी किए। यह तीसरे प्रकार के चिकित्सा उपकरणों के रूप में पंजीकृत एआई चिकित्सा उत्पादों का तकनीकी मार्गदर्शन प्रदान करता है और उत्पाद लॉन्च से पहले नीतिगत अड़चन को समाप्त करता है। हालांकि, नैतिकता और डेटा सुरक्षा पर कोई कानूनी प्रतिबंध नहीं हैं। चिकित्सा अनुसंधान पर आर्टिफिशियल इंटेलिजेंस को नैतिकता के अनुरूप होना चाहिए और व्यक्तिगत डेटा की सुरक्षा और गोपनीयता की रक्षा करनी चाहिए। यदि रोगी गोपनीयता संरक्षण पर राष्ट्रीय या क्षेत्रीय कानून और विनियम तैयार किए जा सकते हैं, जबकि अनुसंधान के लिए एक मानकीकृत डेटा प्रबंधन मंच स्थापित किया जा सकता है, तो एक शोध परियोजना को तुरंत डिजाइन और कार्यान्वयन प्रक्रिया में संभावित जोखिमों की खोज के लिए प्रभावी ढंग से समीक्षा की जा सकती है। मानव स्वास्थ्य में बाधा और विनाश के जोखिम से बचने के लिए डेटा सुरक्षा के मार्गदर्शन को लागू किया जाएगा।

सन्दर्भ:

1 जेडसी [इंटरनेट]। नए कोरोनावायरस का पता लगाने और उससे लड़ने के लिए AI का उपयोग कैसे करें [उद्धृत 2020 मार्च 20]।

2. हुआंग क्यू [इंटरनेट]। शिक्षाविद ली लांजुआन की टीम जारी: ये दो दवाएं नए कोरोनावायरस को प्रभावी ढंग से रोक सकती हैं [उद्धृत 2020 मार्च 20]।

3. वांग एक्सएस, पेंग वाईएफ, लू एल, एट अल। चेस्टएक्स-रे8: हॉस्पिटल-स्केल चेस्ट एक्स-रे डेटाबेस और कमजोर पर्यवेक्षित वर्गीकरण और सामान्य थोरैक्स रोगों के स्थानीयकरण पर बेंचमार्क। कंप्यूटर विजन और पैटर्न पहचान (सीवीपीआर), होनोलूलू, एचआई, 2017, पीपी 3462-3471 पर 2017 आईईईई सम्मेलन।

4. ली जेड, वांग सी, हान एम, एट अल। थोरैसिक रोग की पहचान और सीमित पर्यवेक्षण के साथ स्थानीयकरण। arXiv ई-प्रिंट, 2017. arXiv:1711.06373।

5. सिंह आर, कालरा एमके, नितिवारंगकुल सी, एट अल। चेस्ट रेडियोग्राफी में डीप लर्निंग: डिटेक्शन ऑफ फाइंडिंग्स एंड प्रेजेंस ऑफ चेंज। एक और। 2018;13(10):e0204155। प्रकाशित 2018 अक्टूबर 4।

6. नाम जेजी, पार्क एस, ह्वांग ईजे, एट अल। चेस्ट रेडियोग्राफ पर घातक पल्मोनरी नोड्यूल्स के लिए डीप लर्निंग-आधारित ऑटोमैटिक डिटेक्शन एल्गोरिथम का विकास और सत्यापन। रेडियोलॉजी, 2019।

7. लखानी पी, सुंदरम बी. डीप लर्निंग एट चेस्ट रेडियोग्राफी: ऑटोमेटेड क्लासिफिकेशन ऑफ पल्मोनरी ट्यूबरकुलोसिस बाई यूजिंग कन्वेन्शनल न्यूरल नेटवर्क्स। रेडियोलोजी। 2017;284(2):574–582।

8. गेल डब्ल्यू, ओकडेन-रेनर एल, कार्नेइरो जी, एट अल। डीप न्यूरल नेटवर्क का उपयोग करके रेडियोलॉजिस्ट-स्तर के प्रदर्शन के साथ हिप फ्रैक्चर का पता लगाना। arXiv ई-प्रिंट, 2017. arXiv:1711.06504।

9. राजपुरकर पी, इरविन जे, बागुल ए, एट अल। मुरा: मस्कुलोस्केलेटल रेडियोग्राफ में असामान्यता का पता लगाने के लिए बड़ा डेटासेट। arXiv ई-प्रिंट, 2017. arXiv:1712.06957।

10. रिडले ईएल [इंटरनेट]। डीप लर्निंग हड्डी की उम्र के आकलन के लिए वादा दिखाता है [उद्धृत 2017 नवंबर 15]।

11. यी केएम [इंटरनेट]। एआई एल्गोरिदम स्तन जांच परीक्षा में रेडियोलॉजिस्ट से मेल खाता है [उद्धृत 2017 दिसंबर 13]।

12. लेहमैन सीडी, याला ए, शूस्टर टी, एट अल। मैमोग्राफिक ब्रेस्ट डेंसिटी असेसमेंट यूजिंग डीप लर्निंग: क्लिनिकल इम्प्लीमेंटेशन। रेडियोलॉजी, 2019। 290(1): पी। 52-58.

13. रिडले ईएल। डीप-लर्निंग एल्गोरिथम फेफड़े के नोड्यूल जोखिम को स्तरीकृत कर सकता है [उद्धृत 2017 नवंबर 26]।

14. अली I, हार्ट जीआर, गुनाभूषणम जी, एट अल। डीप रीइन्फोर्समेंट लर्निंग के माध्यम से लंग नोड्यूल डिटेक्शन। फ्रंट ओंकोल। 2018;8:108। प्रकाशित 2018 अप्रैल 16. doi:10.3389/fonc.2018.00108।

15. वॉल्श एसएलएफ, कैलेंड्रिलो एल, सिल्वा एम, एट अल। उच्च-रिज़ॉल्यूशन कंप्यूटेड टोमोग्राफी पर फाइब्रोटिक फेफड़ों की बीमारी को वर्गीकृत करने के लिए गहन शिक्षा: एक केस-कोहोर्ट अध्ययन। लैंसेट रेस्पिर मेड। 2018;6(11):837-845।

16. यासाका के, अकाई एच, अबे ओ, एट अल। डायनेमिक कंट्रास्ट-एन्हांस्ड सीटी पर लिवर मास के विभेदन के लिए कन्वेन्शनल न्यूरल नेटवर्क के साथ डीप लर्निंग: एक प्रारंभिक अध्ययन। रेडियोलोजी। 2018;286(3):887–896।

17. लियू एफजेड, झी एलएक्स, ज़िया वाईडी, एट अल। पीडीएसी का पता लगाने के लिए संयुक्त आकार का प्रतिनिधित्व और वर्गीकरण। arXiv ई-प्रिंट, 2018. arXiv: 1804.10684।

18. बार ए, वुल्फ एल, अमिताई ओबी, एट अल। सीटी पर संपीड़न फ्रैक्चर का पता लगाना। arXiv ई-प्रिंट, 2017. arXiv:1706.01671।

19. लीमन-सिफ्री जे, ले एम, लाउ एफ, एट अल। FastVentricle: ENet के साथ कार्डिएक सेगमेंटेशन। arXiv ई-प्रिंट, 2017. arXiv:1704.04296।

20. मदनी ए, अरनौत आर, मोफ्राड एम, एट अल। गहन शिक्षा का उपयोग करके इकोकार्डियोग्राम का तेज़ और सटीक दृश्य वर्गीकरण। एनपीजे डिजिटल मेड 1, 6 (2018)।

21. झांग जे, गज्जला एस, अग्रवाल पी, एट अल। क्लिनिकल प्रैक्टिस में पूरी तरह से स्वचालित इकोकार्डियोग्राम व्याख्या। सर्कुलेशन, 2018। 138(16): पृ. 1623-1635.

22. ली एक्ससी, झांग एस, झांग क्यू, एट अल। सोनोग्राफिक छवियों पर लागू डीप कन्वेन्शनल न्यूरल नेटवर्क मॉडल का उपयोग करके थायराइड कैंसर का निदान: एक पूर्वव्यापी, बहुस्तरीय, नैदानिक ​​अध्ययन। लैंसेट ओंकोल। 2019;20(2):193–201। डोई:10.1016/एस1470-2045(18)30762-9.

23. ली एचएल, वेंग जे, शि वाईजे, एट अल। अल्ट्रासाउंड छवियों में थायरॉयड पैपिलरी कैंसर का पता लगाने के लिए एक बेहतर गहन शिक्षण दृष्टिकोण। विज्ञान प्रतिनिधि 2018;8(1):6600। प्रकाशित 2018 अप्रैल 26।

24. राष्ट्रीय स्वास्थ्य आयोग का कार्यालय [इंटरनेट]। उपन्यास कोरोनावायरस निमोनिया का निदान और उपचार (परीक्षण संस्करण पांचवां) [उद्धृत 2020 फरवरी 04]।

25. अलीबाबा DAMO अकादमी [इंटरनेट]। अली दामो अकादमी द्वारा विकसित नए कोरोनावायरस निमोनिया सीटी इमेजिंग एआई डायग्नोसिस तकनीक के बारे में आप क्या सोचते हैं, जिसकी औसत पहचान दर 20 सेकंड से भी कम समय में 96 प्रतिशत है? [ 2020-02-19]।

26. संयुक्त इमेजिंग। "महामारी" की सफलता पर विजय प्राप्त करना - uAI नया कोरोनावायरस निमोनिया बुद्धिमान सहायक विश्लेषण प्रणाली आधिकारिक तौर पर लॉन्च किया गया [उद्धृत 2020 फरवरी 10]

27. गोजेस ओ, फ्रिड-अदार एम, ग्रीनस्पैन एच, एट अल। कोरोना वायरस (कोविड-19) महामारी के लिए तीव्र एआई विकास चक्र: डीप लर्निंग सीटी इमेज एनालिसिस का उपयोग करके ऑटोमेटेड डिटेक्शन एंड पेशेंट मॉनिटरिंग के लिए प्रारंभिक परिणाम। आर्क्सिव एब्स/2003.05037 (2020): एन. पग

28. हुआंग एल, हान आर, एआई टी, एट अल। COVID का सीरियल क्वांटिटेटिव चेस्ट सीटी असेसमेंट -19: डीप-लर्निंग अप्रोच। रेडियोलॉजी: कार्डियोथोरेसिक इमेजिंग 2020 2:2।

29. ली एल, किन एलएक्स, जू जेडजी, एट अल। आर्टिफिशियल इंटेलिजेंस COVID-19 को चेस्ट सीटी पर समुदाय-अधिग्रहित निमोनिया से अलग करता है। रेडियोलोजी। 2020; 200905।

30. जिन वाईएच, किउ एमजे चीन आर्टिफिशियल इंटेलिजेंस मेडिकल व्हाइट पेपर। शंघाई: शंघाई जिओ टोंग यूनिवर्सिटी आर्टिफिशियल इंटेलिजेंस इंस्टीट्यूट, 2019 (चीनी)