澳大利亚和孟加拉国的研究人员开发了一种能够识别并区分多种肺部疾病的人工智能模型。这款名为LungNet的工具已经超越了其他专注于肺部的AI模型，并且能够解释其“决策”，使其成为人类医疗专家潜在的有用且可能挽救生命的助手。
在所有可以从分析型AI中受益的领域中，医疗领域名列前茅。来自多个专科的研究人员正在设计能够从X光片、显微镜切片和CT扫描中识别癌症迹象的AI模型。有些模型甚至可以预测患者的预后并指导治疗计划。但大多数这些模型往往只专注于排除单一病症，如肺癌或心脏病。很少有模型能够检查身体的某个部位并寻找可能存在多种疾病。
LungNet试图解决这个问题，通过搜索肺部表现出来的三种疾病：肺炎、COVID-19和流感。在《前沿计算机科学》杂志的一篇文章中，查尔斯达尔文大学和国际联合大学的研究人员解释说，LungNet的混合AI模型不仅使该工具更容易发现疾病的迹象，还能够为接收端的人类提供背景信息。
LungNet首先使用卷积神经网络（CNN），这是大多数诊断AI平台的核心。CNN会检查图像中只有几个像素的疾病特征，这些特征很难用肉眼看到。（在LungNet的情况下，这是3D超声图像）。在查看第一张图像后，LungNet会继续查看同一肺部的另一张扫描图。使用名为长短期记忆（LSTM）模型，LungNet记住第一张图像中令人担忧的部分，而忘记其余部分。它利用这种选择性记忆来构建潜在疾病标志物的完整图像，并为标志物提供背景信息，后者如果没有记住之前的图像就无法实现。
据研究人员称，LungNet正确识别肺炎和COVID-19的准确率为96.57%。这一准确率高于竞争对手的模型，后者正确识别肺部疾病的准确率为83%到92%。研究团队还期望LungNet能够为医疗专业人员提供患病肺部的整体和背景视图，这得益于该模型能够“记住”多个不同超声角度的异常之处。
(全文结束)
