麻省理工学院的科学家开发了一种新的机器学习工具，可以评估肺部积液情况。

通过检测肺部多余的液体，医生可以获得一些心力衰竭的提前预警，而麻省理工学院的研究人员开发了一种新的机器学习工具，可以为他们提供帮助。该算法能够以较高的准确度检测出类似情况的严重病例，其背后的研究人员希望它也能用于协助管理其他病情。

这项研究是在麻省理工学院的计算机科学和人工智能实验室（CSAIL）进行的，并且与其他一系列人工智能工具配合使用。通过现代计算机的力量，这些算法能够查看医疗成像数据，发现临床医生无法看到的人体内细微但关键的变化。

这可能意味着，通过CT扫描可以发现漏诊的癌症患者，或者在医生看到阿尔茨海默症的迹象前就检测出这些问题。我们还研究了如何使用人工智能来分析心电图结果，以帮助医生通过识别左心室功能障碍来确定最有可能心力衰竭的患者。

医生使用肺部X射线图像来评估处于心力衰竭风险的患者体内的积液情况（称为“肺水肿”），以及病情的严重程度，然后确定治疗方案。麻烦的是，这些评估通常基于微妙的特征，以至于可能导致诊断和治疗计划不一致。

为了使机器学习成为现实，该团队对超过30万张x光图像和放射科医生撰写的相应报告进行了算法训练。这涉及制定某些语言规则，以确保在多个样本中对数据进行一致的分析。

这篇论文的联合作者Geeticka Chauhan说：“我们的模型可以将图像和文本都转换为紧凑的数字抽象，从中可以得出相应的解释。”

“我们对它进行了培训，以最大程度地减少X射线图像的表示形式与放射学报告文字之间的差异。”

结果表明，一种新的机器学习算法能够对严重的‘肺水肿’病例进行准确分类。

在测试过程中，该团队让机器学习算法分析单个x光图像，并将水肿的严重程度从0(健康)到3(非常糟糕)进行分类。该算法能够在很快的时间内诊断出正确的水肿程度，但更令人印象深刻的是，该算法诊断出3级水肿的正确率高达90%。

希望该工具可以帮助医生更好地处理心脏问题，但是水肿与包括败血症和肾衰竭在内的一系列疾病有关，因此该算法的潜力还是非常大的。究人员目前正致力于在未来几个月内将该工具整合到各个医疗中心的急诊室工作流程中。

论文的共同作者，博士生Ruizhi Liao说：“该项目旨在通过提供额外的信息来提高医生工作效率，这些信息可以用于告知他们诊断结果，也可以进行病情分析。”