评估自动化机器学习服务从X射线与CT图像检测COVID-19：一个实时智能手机应用案例研究

近期SARS COV-2的爆发为我们研究一种非介入性且可持续的AI解决方案提供了独特机遇。肺部疾病仍是全球范围内发病率和死亡率均高的主要医疗挑战。此前最主要的肺部疾病是肺癌。直到最近，全球见证了COVID19（新型冠状病毒）大流行的爆发。我们经历了肺部与心脏的病毒感染如何在全球夺去数千人的生命。随着近年来人工智能前所未有的进步，机器学习可用于轻松检测与分类医学影像。它比人类放射科医生快得多，且多数时候更准确。一旦部署，它更具成本效益且省时。在我们的研究中，我们评估了Microsoft Cognitive Service基于X射线和CT图像检测并分类COVID19所致肺炎与其他病毒性/细菌性肺炎的效力。我们旨在评估基于自动化机器学习的快速应用开发（RAD）环境在医学影像诊断领域的适用性与准确性。本研究将使我们更好地以基于ML的诊断决策支持系统（DSS）应对如COVID19的大流行情形。经优化后，训练网络达到了96.8%的平均精度（Average Precision），并被实现为可供调用的Web应用。然而，当同一训练网络移植至智能手机进行实时推理时，其表现不及Web应用。而这正是我们研究的主要兴趣所在。作者认为，此问题尚有进一步研究空间。本研究的主要目标之一是开发并评估基于AI的智能手机实时应用的性能，以在设备匮乏、人手不足且网络不可靠的全球农村医疗中心提供初级诊断服务。