研究人員以前專注于通過醫學成像來檢測和分類肺部疾病，例如纖維化，肺氣腫和肺結節。

在最近的一項研究中，巴西的一個研究人員團隊通過各種機器學習方法教給了一個計算機程序，該程序可以檢測胸部X射線中的COVID-19，其準確率為95.6至98.5%。

研究人員以前一直專注于通過醫學成像對肺部疾病(如纖維化，肺氣腫和肺結節)進行檢測和分類。可疑的COVID-19感染所表現出的常見癥狀包括呼吸窘迫，咳嗽，在更具侵略性的情況下，還包括肺炎-所有這些都可以通過CT或X射線等醫學影像看到。

通訊作者，圖像處理，信號和應用實驗室研究員Victor Hugo C. de Albuquerque說：“當COVID-19大流行爆發時，我們同意運用我們的專業知識來幫助解決這一新的全球性問題。”計算和福塔萊薩大學。

Albuquerque說，許多醫療機構的測試數量不足，處理時間也很長，因此研究團隊致力于改進一種工具，這種工具可以在每家醫院使用，并且已經在診斷COVID-19：X射線設備中頻繁使用。

Albuquerque說：“我們決定研究是否可以使用X射線圖像自動檢測出COVID-19感染，”他指出，與拭子或唾液診斷測試所需的天數相比，大多數X射線圖像可在數分鐘內提供。

但是，研究人員發現缺乏公開可用的胸部X射線來訓練他們的人工智能模型來自動識別COVID-19患者的肺部。他們只進行了194次COVID-19 X射線檢查和194次健康X射線檢查，而通常需要花費數千張圖像才能徹底教授一個模型來檢測和分類特定目標。為了進行補償，他們采用了在大量其他X射線圖像數據集上訓練的模型，并對其進行了訓練，使其使用相同的方法來檢測可能感染了COVID-19的肺部。他們使用了幾種不同的機器學習方法，其中兩種方法的準確率分別為95.6%和98.5%。

Albuquerque說：“由于X射線非常快速且便宜，因此可以幫助在醫療保健系統崩潰的地方或遠離能夠使用更復雜技術的主要中心的地方分診患者。” “這種自動檢測和分類醫學圖像的方法可以幫助醫生識別，測量嚴重程度和對疾病進行分類。”

接下來，阿爾伯克基說，研究人員計劃繼續使用更大的數據集來測試他們的方法，最終目的是開發一個免費的醫學圖像分類在線平臺。