近日，谷歌团队的又一重大研究成果登上期刊。该研究成果主要揭示了正常和异常胸片深度学习的区别，以及对结核病和COVID-19两种致病因子不明显疾病的概括。

值得关注的是，在人工智能系统优先处理异常病例的模拟工作流程中，异常病例的周转时间可以缩短28%，这关乎人工智能评估系统是否可以安全地用于以前未见异常标记案例。

相关论文以《用于正常和异常胸片深度学习的区别以及对结核病和COVID-19两种看不见疾病的概括》为题发表。

由谷歌健康团队成员丹尼尔·谢、博轩·卡梅伦·陈（音译）和什拉维亚·谢蒂担任共同通讯作者。

胸腔放射成像作为使用频率较高的胸腔临床成像模式，在指导心胸疾病管理方面具有至关重要的作用。一直以来，检测特定的胸腔放射异常（Chest Radiography，CXR）研究是多个人工智能系统的主要焦点。

然而，由于CXR异常范围十分广泛，每个人工智能系统都需检测一个或多个预先指定的条件。因此，试图通过制备数个单独的人工智能系统，检测每个有可能出现的情况与实际情况不相匹配。

面对这一挑战，该团队对人工智能系统进行了开发与深度评估，将CXR射线分为正常和异常两种。为了对CXR系统进行调整，该团队开发了一个深度学习系统（DeepLearning System，DLS），在印度五个城市的五家医院对约2.48万名患者做了数据集识别，他们还对印度、中国和美国的6个国际数据集做了CXR系统通用性评估。

在这些数据集中，有4个侧重于人工智能未受过检测培训的疾病，另外4个分别是两个结核病数据集和两个2019年冠状病毒疾病数据集。……