中央佛罗里达大学(University of Central Florida)的一名研究人员参与了一项新研究，该研究表明，人工智能在诊断肺部COVID-19方面几乎可以和医生一样准确。

这项发表在《自然通讯》上的研究表明，这项新技术还可以克服当前测试的一些挑战。

研究人员证明，可以训练AI算法在计算机断层扫描（CT）中对COVID-19进行分类，准确率高达90％，并且可以正确地识别出84％的阳性病例和93％的阴性病例。

与常用的逆转录-聚合酶链反应(RT-PCR)检测相比，CT扫描可更深入地了解COVID-19的诊断和进展。这些测试具有较高的正确率。

CT扫描的另一个好处是，它们可以在没有症状的人中、有早期症状的人中、在疾病严重期间以及症状消失后检测出COVID-19是否存在以及是否消失了。

但是，并不总是建议将CT作为COVID-19的诊断工具，因为这种疾病在扫描中通常看起来与流感引起的肺炎相似。

UCF计算机科学系助理教授Ulas Bagci说，UCF联合开发的新算法可以通过准确识别COVID-19病例并将其与流行性感冒区分开以解决此问题，从而为医生提供了巨大的潜在帮助。

Bagci是该研究的合作者，并领导了该研究。

Bagci说：“我们证明了基于深度学习的AI方法可以作为一种标准化和客观的工具帮助医疗保健系统和患者。”

“它可以在有特殊情况的人群中用作补充测试工具，如果不幸再次爆发疫情，可以迅速大规模使用。”

Bagci是开发人工智能以帮助医生的专家，包括使用它在CT扫描中检测胰腺癌和肺癌。

他还拥有两笔美国国立卫生研究院（National Institutes of Health）的拨款，用于研究这些课题，其中250万美元用于深度学习检查胰腺囊性肿瘤，

200万美元用于研究人工智能在肺癌筛查和诊断中的应用。

为了进行这项研究，研究人员训练了一种计算机算法，以便在来自中国、日本和意大利的1280名跨国患者的肺部CT扫描中识别COVID-19。

然后，他们在1,337例肺部疾病（从COVID-19到癌症和非COVID肺炎）的CT扫描中测试了该算法。

当他们将计算机的诊断结果与医生确认的结果进行比较时，他们发现该算法非常擅长准确诊断肺部的COVID-19肺炎并将其与其他疾病区分开，特别是在疾病发展的早期阶段通过CT扫描时。

Bagci说：“我们证明了成熟的AI模型可以在测试人群中是否有患肺炎的人达到90％的准确性，在非COVID-19相关的肺炎中保持高特异性，并能为未知的患者人群和中心提供足够的通用性。”

这位UCF的研究人员与该研究的合著者巴里斯•Turkbey和布拉德福德•j•伍德(Bradford J. Wood)长期合作。Turkbey是美国国立卫生研究院国家癌症研究所分子影像学分会的副研究医师，伍德是美国国立卫生研究院介入肿瘤学中心的主任和美国国立卫生研究院临床中心的介入放射学主任。

本研究由美国国立卫生研究院介入肿瘤学中心和美国国立卫生研究院内部研究项目的拨款，以及美国国立卫生研究院内部抗COVID-19部门、美国国家癌症研究所和美国国立卫生研究院提供资金支持。

Bagci在英国诺丁汉大学获得计算机科学博士学位，并于2015年加入UCF的计算机科学系（隶属于工程和计算机科学学院）。他是UCF科学应用国际公司（SAIC）的主席，也是计算机科学和UCF计算机视觉研究中心的教职员工。