AI for COVID-19 with Professor Matthew Lungren
34:12 Share

斯坦福人工智能实验室博士周莎伦采访了马修·朗格伦教授，讨论了利用人工智能帮助应对冠状病毒危机的努力，作为这些努力的一部分，分享更多医疗数据的希望等等。 查看 www.skynettoday.com 上关于类似主题的报道 主题：深思熟虑 Kevin MacLeod (incompetech.com) 根据知识共享许可协议授权：署名 3.0 许可证 </context> <raw_text>0 欢迎收听 Skynet Today 的“让我们谈谈人工智能”播客，在这里您可以听到人工智能研究人员关于人工智能的实际情况以及哪些只是耸人听闻的标题。在这个特别的访谈节目中，您将听到一位人工智能与医学交叉领域专家关于

人工智能与当前冠状病毒危机相关的多种方式，以及人工智能与医学交叉领域的其他问题和趋势。我是莎伦，是 Andrew Ng 领导的机器学习小组三年级的博士生。我的研究方向是生成模型、改进神经网络的泛化能力，以及将机器学习应用于医疗保健和应对气候危机。与我一起进行这次采访的是马修·朗格伦教授，他是我们实验室一位非常棒的合作者。

马修是斯坦福大学的教员，斯坦福医学与影像人工智能中心（AMI）的联席主任，斯坦福大学医学院的介入放射科医生，也是北美放射学会（RSNA）机器学习委员会的成员。

感谢您抽出时间参加这次采访，马修。我想，在某种程度上，这肯定是一段繁忙的时间。随着冠状病毒危机在美国真正爆发，过去几周对您来说怎么样？是的。你好。谢谢。感谢您的邀请。是的，你知道，过去几周真是疯狂。几乎一刻不停。我要说的是，作为前线的放射科医生，在介入领域，与这些病人打交道，每天都在学习

越来越多的关于这种疾病以及我们在前线如何治疗和管理这些病人的知识，同时也学习如何将我们的研究和数据科学技术应用于做出更好的决策，并预测未来几天和几周内我们将面临的情况。

是的，当然。鉴于这正是我们大多数人现在正在思考的事情，对于这个播客，我们将首先关注 COVID-19，然后稍后再讨论不太热门的话题。

两周前，有一篇文章名为《人工智能能否通过 CT 扫描诊断 COVID-19？人类能吗？》文章总结道：“旨在诊断 COVID-19 感染的人工智能工具需要进行严格的评估，因为目前的放射学知识没有可以帮助识别 CT 扫描中 COVID-19 感染的特定特征。”

也就是说，人工智能工具在量化疾病进展和可能预测疾病预后方面发挥着至关重要的作用。那么，马修，您对人工智能在诊断和应对冠状病毒的其他方面所扮演的角色有何看法？是的，这是一篇非常非常有趣文章。当然，此后也有很多类似的文章。我的一个同事开玩笑说，

每天关于人工智能的数百封电子邮件都变成了关于 COVID 的电子邮件。有趣的是，我们仍然发现自己处于这一切的中心。但是，你知道，从我们的角度来看，我认为有一些很好的机会，甚至还有一些陷阱，我认为作为社区，我们必须小心。我认为，你知道，一开始，我认为，随着这场危机的不断发展，我们已经看到一些群体

已被这些病例迅速压垮，甚至到了我们所看到的意大利和中国部分地区在某些情况下，护理点检测严重阻碍了他们识别这些患者并正确进行分类的能力。因此，在这些环境中，影像学实际上发挥了至关重要的作用。有一些很好的论文描述了快速筛查和简单地对出现呼吸系统疾病的患者进行分类的机会。

但从长远来看，以及人工智能可能发挥的作用，我认为在大多数情况下，这是一种人工智能可能在识别这些患者甚至量化疾病方面有所作为的问题。但正如许多文章所指出的那样，当然大多数医学协会也试图强调，它并不是理想的筛查测试。我认为，虽然很诱人地将其用于此目的，然后当然

考虑将人工智能注入筛查过程，但实际上它可能会适得其反。让我解释一下原因。我认为，在大多数情况下，您不仅有高度传染性的患者，而且当您将他们带入医疗系统进行影像检查时，他们还有可能感染工作人员和其他一线医护人员，

只是发现他们患有一种您具有高先验概率并且可能还有其他诊断方法的疾病。这并没有多大意义，并且正如我提到的那样，可能会造成伤害。另一个问题是，即使在正确的先验分组中，有一些影像学发现对 COVID-19 非常特异性，但如果您现在想象一下，去掉大流行，我们处于地方性流行病的情况，在这种情况下，这种疾病正在传播，但我们也看到了许多其他

我们在影像学上通常看到的常见疾病，那么您就会遇到可能过度诊断 COVID-19 的情况，例如，特别是如果您正在训练模型来识别那些，你知道，总的来说，是一种非常普遍的情况。

发现组。因此，要找到人工智能在这里可以发挥作用的地方可能具有挑战性。但在我看来，模型开发有一些潜在的重大机会。我认为首先，正如您从那篇文章中指出的那样，是尝试结合临床数据来了解谁需要更高水平的护理，谁不需要。

我们并不完全清楚我们是否已经掌握了这一点，无论是来自临床前线还是研究角度。我们仍在学习如何确定谁会做得很好，您可以安全地在家中管理他们。然后是那些需要住院治疗，并可能需要气管插管和机械通气才能度过疾病的人。所以那是……

是一个我认为影像学，以及影像学加上临床数据可能发挥巨大作用的地方。当然，人工智能，如果您能够对疾病进行量化，甚至预测结果，甚至可以从这个角度提供更好的临床决策支持。这是一个非常大的机会。

我认为另一个我没有看到很多人谈论，但我认为很重要的事情是，我们必须记住，这场大流行以及我们所说的激增最终会逐渐消失，并谢天谢地地过渡到一种新的环境，在这种环境中，我们必须与这种疾病共存，至少在我们拥有更大的群体免疫力并且有机会之前。

有效疫苗的可用性。因此，在此之前，这可能还需要一年甚至两年的时间，我们必须找到一种方法来识别这些患者，这些患者可能患有心力衰竭、流感或细菌性肺炎、非典型性肺炎。我们将需要更好地识别这些患者，当然还要对他们进行分类。

在更常见的群体中。随着我们与许多不同的流行病学家和科学家交谈，他们告诉我们这很可能在秋季出现第二个高峰，这将变得尤为重要。希望我们会做好准备，当然比我们现在准备得更好

在这场地方性流行病期间。但我确实相信这将是一个机会，呃，使用机器学习，对我们的鉴别诊断更加智能，呃，对于可能非常特异性也可能不是非常特异性的发现，以及我们一直在发现的关于这种疾病的非常独特的东西，以及我真正想要的东西，嗯，

每个人都应该考虑的是，我们已经看到如此高比例的患者显然能够传播这种疾病，或者我们所说的病毒脱落，即使他们是无症状的。这是这种特殊疾病的一个非常独特的标志，也是为什么它如此难以控制和遏制的原因。在这种情况下，影像学实际上发挥着极其重要的作用。

如果您能够开发一个人工智能模型，例如，该模型能够标记那些未因呼吸窘迫而接受评估，而是因其他问题而接受评估的患者的影像学检查。您可以想象有人发生车祸后

进行胸部 CT 扫描。顺便说一句，他们也发现了 COVID-19 肺部感染的症状，或者有人来进行肺结节或肺癌随访。他们也恰好有 COVID-19 的发现。现在，这很重要，因为首先，如果您是无症状的，您可能会暴露周围的人

为了能够从公共卫生的角度继续控制这些疫情。因此，在任何可能对肺部进行成像并具有可能对 COVID-19 敏感的发现的影像学测试中运行的背景人工智能模型，可能会识别患者，甚至可能提醒公共卫生部门疫情爆发，但当然不会允许患者

疫情继续，你知道，对扫描仪进行净化，识别患者，当然还要进行一些接触者追踪将是很重要的后续工作。这些只是我心目中的一些例子，我认为人工智能与医疗保健的交叉点，特别是随着这场危机的不断发展，我认为可以发挥很大的作用。哇。非常感谢您，马修。

我认为您真正强调的一点是，人工智能如何在减少伤害方面有所帮助，例如，在分类而不是直接诊断方面，但对于医生已经能够很好地处理的非 COVID-19 患者的背景直接诊断。

在寻找图像中的特征方面关注。您能否详细说明一下，在帮助分类方面，人工智能如何能够减少比诊断更少的伤害？

是的，我认为对于分类，如果您，比如说，只是简单地部署一个经过训练来识别 COVID 的模型，我认为，同样，在这个群体中，您可能会发现它相当有用，因为您当然可以，你知道，再次识别标志性症状，正如我们所讨论的那样，也许有一个，你知道，量化指标在临床上会有所帮助。但想象一下，如果您的先验概率开始发生变化，它

但您的模型没有。而且，嗯，然后您可能会有一些患者出现，例如，心力衰竭，嗯，出现其他病因的病毒性肺炎，甚至细菌性肺炎。如果我们仅仅依靠影像学，这再次是我不预料会发生的情况，但只是在演绎这种情况，例如，为什么不只拿一个模型，开始部署它，并将其用于影像学诊断和筛查？呃，再次，呃，那里的危险我认为既在于，嗯，你会有，呃，

将这种诊断误用于需要以其他方式治疗的患者。但其次，你知道，公共卫生实际上有相当大的余地，至少在这个国家，来剥夺你的自由。想象一下，您正在因加重而就诊

充血性心力衰竭，您没有 COVID-19。但是肺部的一些影像学发现可能与机器学习模型误诊的相似程度足够高。因此，如果您仅仅依靠该模型来对单次影像学检查做出诊断，您实际上可以隔离该人，对吧？14 天，您可能会让他们接受他们可能不需要的进一步检查。

您当然也可以提醒并可能惊动他们的联系人。因此，你知道，这种应用肯定不是一刀切的。它肯定需要某种其他信息的综合。这就是回到这个概念的地方，你知道，我可以在医疗保健中真正提供什么帮助，以及我如何才能产生更大的影响？

我们在这些早期努力中所看到的情况，这些努力非常出色，实际上只是获取数据集并训练模型以非常高的水平执行相对狭窄的任务，特别是当我们与人类专家进行基准测试时。这太棒了。

但请记住，人类任务的核心，尤其是在医学领域，无论您从事哪个专业，仍然需要相当多的背景知识。我的意思是，在能够独立进行这项工作之前，10 到 12 年的医学培训

不仅仅是学习如何阅读图像，例如，或做出某种诊断。而是要了解整个病人，对吧，以及临床背景。我认为这就是我所看到的一些研究中存在机会的地方，这些研究涉及多模式和融合模式，您可以在其中潜在地获取，你知道，其他数据，如结构化数据甚至非结构化文本数据，并将这些数据与像素数据一起带入模型。然后您可能会有一个更好的，甚至是一个更全面的画面

对于给定患者的医疗保健应用中正在发生的事情，也许可以做出更好的诊断，当然也有更大的机会具有临床意义。

是的，所以听起来有很多方法可以使人工智能不仅仅是成像，而且可以整合这些信息。听起来似乎也会造成相当大的伤害，不仅是在出现假阳性时，我们可能已经知道那里的伤害是什么，而且假阴性也是如此。

稍微离开那篇文章，顺便说一句，对于听众来说，这篇文章链接在 AMI（斯坦福医学与影像人工智能中心）发布的 COVID-19 和影像人工智能资源页面上，马修是该中心的联席主任。

北美放射学会（RSNA）在一周前宣布，它将启动一个 COVID-19 影像数据存储库，以促进对这种新型疾病的研究。马修，您能否告诉我们更多关于这些努力的信息？

当然可以。是的，这是我非常非常热衷的事情，我认为，总的来说，当然作为 AMI 中心使命的一部分，但更广泛地说，在研究和教育界。我认为，医疗保健没有像计算机科学界那样做得那么好的一件事就是分享。

嗯，当然我们分享我们发现的东西的结果，当然还有我们正在努力的事情的结果，但是，但是我们并不像，嗯，我们并不习惯于分享，嗯，我们的模型和，以及我们的数据集。而且，显然，其中一些与，与隐私和其他考虑因素有关。但是，呃，随着我们学习的越来越多，尤其是在医学影像领域，嗯，

我们意识到，如果没有能够在机构和合作之间自由共享数据的能力，我们实际上会伤害自己，尤其是在尝试开发在我们的实践中具有临床意义的模型时。因此，随着 COVID 大流行开始出现，我认为这确实为许多不同群体之间利益的一致性提供了一个机会，当然，北美放射学会是

最大的，但我们在欧洲的合作伙伴、在澳大利亚和亚洲的合作伙伴，甚至我们在放射学的其他兄弟组织都走到一起，并说，我们如何利用我们所有集体资源与商业和政府实体合作，真正为任何认为他们想分享数据的人提供资源

更广泛地说，还可以访问数据，以便更多地了解这种疾病，并可能开发，在这种情况下，可能具有临床意义的模型。我认为这与大流行早期进行的努力非常相似，当时研究人员立即对 COVID-19 的基因组（病毒基因组）进行了测序，然后几乎以同样的速度发布了它

而且由于这项努力，我们在疫苗开发的正常时间表上领先了几个月，甚至几年。世界各地都有许多团体独立地和共同地工作，你知道，交替地进行发现，并找出创造疫苗的途径。这就是我们希望从医学影像界带来的那种精神。我们认识到。

影像学发现至少在可预见的未来都会被讨论。当然，影像学将在未来疾病的管理中发挥作用。因此，我们不能继续拥有独立研究的小型数据集和数据。

我们作为一个社区有机会开发新的方法或得出实际上具有临床意义的结论。因此，这项努力不仅仅是创建这个数据集，还在于协调我们的注释工作，这样我们就不会有一个巴别塔

正如在许多不同的群体试图解决同一个问题时通常会发生的那样。因此，如果我们能够实现，而且我认为这将是这场当前危机中可能最大的积极因素之一，那就是我们从未见过各群体如此迅速和轻松地合作。在大约一周半的时间里，我们已经有近 100 个不同的群体承诺提供数据。我们有

在欧洲建立了合作伙伴关系，我提到了在亚洲的合作伙伴和其他群体，所有这些群体现在都在共同努力创建注释规则手册或数据字典，提出对该数据集包含的重要临床数据点。数据的收集使其完全公开和免费地可用正在迅速进展。所以

我希望这种合作和开源数据的精神有望在未来继续下去，我们将看到这些群体现在认识到将其提供给每个人的好处，以便我们从公共利益的角度来看，我们都在共同努力使这项工作取得成功。所以，再次，我相信这……

这项努力将产生一些我认为将成为未来数据集共享模式的东西。

我也希望如此。听起来 COVID-19 在某种程度上是这种“医学图像网”的催化剂。您能否向我们的听众解释一下，为什么与，比如说，开源和感知数据的 ImageNet 相比，医学数据特别具有挑战性，以及为什么这很难快速完成，尤其是在现在？

当然可以。是的。我喜欢你对医学图像网的评论，因为我认为这是对我们试图完成的目标的一个很好的比喻。而且，你知道，我认为在 ImageNet 出现之前，嗯，至少故事是这样的，很难，呃，至少在模型和人工智能社区中，让人们相信数据有多重要，嗯，朝着，朝着制作有用模型的过程。我认为这场讨论已经得到了解答，嗯，

或者说这个问题已经通过，通过成功和随后的突破得到了解答，因为医学中数据的可用性。这在医学上非常棘手。我认为，嗯，你知道，从历史上看，嗯，隐私是一个巨大的担忧，我们也对此表示担忧。我们当然不想，呃，侵犯任何人的隐私，尤其是在，呃，

到医学，呃，以及医学诊断，呃，尤其是在美国，我们有一个奇怪的医疗保健系统，有很多不同的利益相关者，其中一些并不总是协调一致的。嗯，您可以想象，如果您的，呃，诊断，呃，以某种方式提供给开源群体，并且您被识别，呃，

也许您将来无法获得保险。也许您会遇到困难，你知道，找工作等等。我们，我们当然认识到这些敏感性。这就是为什么我认为在，在，你知道，再次，为什么会有法律和其他事情真正限制，限制任何可能，可能违反医疗隐私的努力。与此同时，我认为患者越来越习惯于，与这个概念，嗯，在正确的人手中，呃，为了，为了研究和教育用途，等等，呃，

他们非常乐意提供数据以促进科学发展和更多地了解疾病。我经常与斯坦福大学和其他机构的不同研究的患者联系，他们自愿提供数据。例如，他们自愿带回家穿戴式设备，并将这些数据完全提供，当然也用于研究。因此，我认为患者方面确实存在兴趣精神。

我认为部分原因与信任有关。我们不销售他们的数据。我们明确表示这一点。我们不会将他们的数据用于其主要用途以外的其他盈利目的。然后，当我们确实提供这些数据集时，它们并非用于商业用途。这不是为了那个目的。我认为这些陈述和立场，至少从我们的角度来看，确实使我们能够

与我们的患者和其他对这样做感兴趣的其他机构建立信任。顺便说一句，至少在医学影像领域，提供这些数据并安全地做到这一点确实很容易。存在监管障碍，并且关于如何去识别数据肯定存在各种细微差别，但这绝对是可行的。

医学影像，尤其是在放射学领域，已经是一个严格的数字企业超过十五年了。因此，我们确实处于一个绝佳的位置，可以将大量影像数据提供给

像计算机科学这样的社区，与 ImageNet 非常相似。我认为我们将看到类似的突破。我的意思是，到目前为止，我们在这个领域看到的成果令人惊叹，并且确实推动了发展。但是

与此同时，我们知道我们可以做得更多。做得更多的方法的关键，正如我们在 ImageNet 的早期工作中看到的那样，是提供更多数据，以便在其上开发的模型可以更具泛化性。我们可以获得新的和令人着迷的见解，并可能与寻求做同样事情的其他大型努力相协调。

我认为，你知道，正如我们再次，正如我们建立信任一样，我们已经明确表示我们对研究和教育感兴趣，以公共利益为目的，以负责任的方式与公众分享医学影像数据，确实，确实是我们发现的最佳策略。

是的，听起来规范不仅从医生的或研究人员的角度来看，而且从患者和公众的角度来看都在发生变化，他们对分享数据的舒适度，更确切地说，是理解它正变得越来越有用。因此，我认为您已经触及了这一点，但更正式地说，除了数据存储库之外，RSNA 还发布了一项新的调查，以收集放射学业务领导者对大流行期间数据共享的看法和兴趣水平，以及

之后透露，它已同意与欧洲医学影像信息学会共享这些信息，作为其 COVID-19 AI 计划的一部分。因此，希望规范正在发生变化。因此，稍微改变一下方向，

随着我们看到 COVID 病例呈指数级增长曲线，以及不幸的是死亡率也在呈指数级增长。我们也看到，我在 Twitter 上某个地方看到了这一点，在这个领域中学术论文的增长也呈指数级增长曲线。在哪里……

马修，您认为最近的进展能够产生最大的影响吗？很多人说，像现在这样的 COVID-19 紧急时期是应用人工智能的最佳时机，因为我们的医疗带宽有限。此外，一般来说，医疗带宽有限的领域，例如发展

在无法获得医疗保健的国家？是的，这是一个很好的问题。而且，你知道，我认为我们倾向于，我们这些被困在我们自己领域的人，你知道，当你拥有这种人工智能锤子时，一切看起来都像钉子，对吧？所以我们当然会考虑，哦，好吧，我们如何，

我们如何参与这项努力，呃，帮助，你知道，治疗这种疾病，帮助预测下一次疫情，嗯，提出下一个疗法。当然，如果你问一个研究人员，他们会说，好吧，我有一个人工智能工具，也许可以做到这一点。但公平地说，我认为事实是，这场，嗯，大流行，嗯，产生了大量的数据。呃，这些数据可能，嗯，在这一点上已经挽救了许多生命。嗯，

如果您看看台湾、香港、新加坡，甚至是大流行早期的韩国，由于有机会获得数据以及周密的计划，他们能够预测疫情爆发并减轻一些我认为其他人遇到的困难。即使是大流行。

我们已经看到这场大流行对不同的医疗保健系统造成的损害。我认为，再次，海量的数据、正在发表的研究、信息的发布对于我们从未有过的疾病来说是如此至关重要

以前不得不战斗过，我们也不熟悉。我没有在医学院学习过 COVID-19。没有人学习过。所以我们都在一起学习。我认为，你知道，我们这些数据科学和人工智能领域的人之所以对有机会在这里产生影响感到如此兴奋的原因之一是，我们看到数据确实可以推动发展

挽救生命。而且，你知道，如果你让我选择一个领域来回答你的问题，你知道，人工智能将产生最大的影响，你知道，我很想说它是医学影像学，甚至是临床数据预测，但我实际上并不认为这将是最终的胜利所在。我确实觉得一些重大的机会，我认为，正在被探索，了解

COVID-19 基因组和蛋白质结构的结构。而且，而且很诱人地寻找药物，甚至疫苗，呃，可以有效地治疗它。我认为我们可以，我们可以用数据和更好的决策更有效地治疗这些患者。我认为我们可以用我们正在开发的人工智能工具和东西来诊断和识别它们。但是，嗯，但我认为一些能够筛选无限数量潜在药物的应用，呃，

斯坦福人工智能实验室博士周Sharon采访了Matthew Lungren教授，讨论了利用人工智能帮助应对冠状病毒危机的努力，作为这些努力的一部分，分享更多医疗数据的希望等等。 查看www.skynettoday.com上类似主题的报道 主题：深思熟虑 Kevin MacLeod (incompetech.com) 根据知识共享许可协议授权：署名 3.0 许可证 </context> <raw_text>0 还有，还有，嗯，还有治疗点。我认为，这是一个应用，呃，一些人工智能应用的“超人类”成分真的会得到回报。嗯，我，我真诚地希望它能做到，嗯，因为，你知道，现在我们仍在战斗，呃，没有，嗯，没有我们真正治疗这种疾病所需的……

武器。是的，太棒了。基本上，了解COVID-19的结构、药物发现，鉴于COVID-19是开源的，基因组是开源的。我实际上有一些朋友发表了论文，因为他们看到了那个开源结构，我觉得非常令人兴奋。我几乎以为他们……

我以为他们一开始是在研究实际的病毒。所以这确实指出了一个方面。我们的许多听众确实想帮忙，也许这是一种帮忙的方式，开始阅读那些论文，了解正在发生的事情以及在基因组学方面的学术问题前沿以及人工智能如何提供帮助。

但是我们的许多听众不仅从事人工智能领域，而且还从事大型科技领域。您认为他们总体上还能以哪些方式提供帮助？我知道我们之前聊过这个话题，但我很想知道您在此列出的想法。

是的，绝对的。我对与科技界的联系印象非常深刻，显然也居住在硅谷。我认为，所有这一切结束后，我们将有机会感谢所有人。

呃，我们在科技领域的同事，以及我已经看到发生的一些事情绝对是巨大的，甚至可能还没有被认识到它们产生了多大的影响。我想说的第一件事是，你知道，对于一大批在这个领域受过高等教育的人来说，在科技行业做出决定，早于任何医疗……呃……

你知道，强制居家避疫令，在硅谷地区、旧金山湾区县政府发布命令之前10到15天就居家办公。这挽救了生命。我们知道这挽救了生命。成千上万的人不再……你知道……彼此接触。他们在家里工作。

所有这些接触点都有助于抑制曲线，就像我们在这里所说的，而且我们现在都很熟悉。我认为这是我首先指出的，我们的科技界同事真正挽救了生命，并帮助了我们所有医疗人员。

我认为我看到的一些其他领域也绝对很棒，嗯，包括，嗯，大规模监控，从了解人们正在搜索哪些……你知道……类似流感的症状的意义上来说。我发现其中一些应用非常非常有用。呃，有一些团体……嗯……

我相信爱立信在Slack上建立了一个HIPAA合规频道，该频道会验证您是否是一名临床医生，呃，以及您的国家证书和个人信息，以便让您进入一个系统，在那里您可以与全国各地的医疗同事进行自由交流，呃……

这非常有帮助。我们都在前线独自学习这种疾病以及如何最好地治疗我们的病人。我们不想做的是在多个地方继续重复造轮子。因此，科技连接人们的能力是前所未有的，这……

这简直太棒了。我们都在互相学习，再次以我们以前从未能够做到过的方式。这是可能的，因为，你知道，科技已经伸出了援手。我认为我们看到的一些其他事情是巨大的精神，即我该如何提供帮助，提供资源，提供……你知道……存储资源，提供互联网和通信服务。

为一线工作者提供服务，甚至能够……正如我们所看到的一些大型团体一样……通过大型连接提供个人防护装备，帮助建立……呃……呃……连接，以便为……呃……可能以前无法获得这些资源的医院提供……呃……不同的资源。嗯……

有一种……有一种巨大的……嗯……合作和乐于助人的精神。我认为我们已经看到这种情况发生在那些……你知道……正在居家避疫的人身上，也许他们有点无聊，呃，他们真的希望撸起袖子参与进来。我认为仍然有很多机会这样做。我认为我会把他们肯定地指向他们自己内部的团体，以及……呃……在公司……

努力和倡议中，像献血和捐赠个人防护装备这样的简单事情摆在桌面上。但是，将技术和数据专业知识带入正在公开发布的大量数据中，我认为这是一个机会。我们已经看到，约翰·霍普金斯大学的团队实际上已经公开发布了几乎所有公开的COVID病例。但是

但是，你知道，加州大学旧金山分校也做出了类似的努力，斯坦福大学也做出了类似的努力，世界各地也做出了类似的努力。所有这些数据都可能是……你知道……我们可以从中学习的新信息的来源。我认为我们看到各团体能够非常准确地预测诸如我们何时会预期下一次大流行？

病人激增？我们应该何时预期倍增时间？我们如何准备我们的ICU以拥有足够的……你知道……设备和呼吸机？嗯，这些都是……嗯……数据科学众包社区真正发挥巨大作用的领域，分享，只是分享你编写的包或代码，这可能会让……让某人的生活轻松很多。呃……

这些都是现在正在发生的事情，这些事情真的……你知道……再次为我们所有人带来了巨大的改变。我，你知道，现在我将以……你知道……那里有一组我认为在……你知道……虚拟世界中工作的人。但是还有一组工程师，我们已经看到他们做了非常非常有益的事情。我的意思是，他们为我们3D打印了面罩。他们有。

呃，想出了新的和创新的方法来为病人通气，你知道，几十年的陈旧的医学研究甚至都没有被远程研究过。现在他们被重新启用，人们说，嘿，为什么我们不能这样做？呃，使用我们的一些现代技术和技术。这简直是……这简直令人难以置信。我从未见过比科技界整体与医学界携手合作更鼓舞人心的事情了，呃……

并且真的帮助我们完成了我们的工作。哇，这是一个非常谦逊的观点。

我很高兴我们正在帮助科技界。我希望我们继续帮助，并且同样，如果不是更多的话，也要同样谦逊。这非常有信息量且有帮助，马特。非常感谢您抽出时间来分享您在人工智能和医学交叉领域，尤其是在COVID-19大流行背景下的见解和专业知识。您在人工智能和医学交叉领域的见解和专业知识，尤其是在……

COVID-19大流行的背景下。所以非常感谢您，您可以在skynettoday.com上找到我们讨论的文章和Matt Lundgren教授的个人资料，以及订阅我们每周类似的新闻通讯。无论您在哪里收听播客，请订阅我们，如果您喜欢这个节目或喜欢Matt，请不要忘记给我们评分。请务必在下周收听。