一项新的研究成果表明，人工智能有助于更好地理解长期肺部疾病诊断中的肺部功能测试结果。
2016年9月4日的欧洲呼吸协会的国际大会展示展示了这项成果，这是对人工智能在改善肺部疾病诊断准确性方面潜在
应用的首次探索。
目前的测试需要一系列的方法，包括肺功能测试测量了呼吸时空气的量（体积）和速度（流量），接着是一个测量静态肺容积和气道阻力的体积描记法测试，最后是一个扩散试验，衡量穿梭于肺泡中的氧气和其他气体的体量。这些测试结果的分析大都是基于专家意见和国际准则，试图在结果中检测到图像。
在这个新的研究中，研究人员收集了968位实验者的数据，他们都是第一次进行完整的肺功能测试。所有参与者都收到了基于肺功能测试和其他所有必要的额外的测试（如CT扫描、心电图等）的第一份临床诊断。最终的诊断结果还需要医务专家共同验证。
研究人员随后探索了“机器学习”的概念是否可以用来分析完整的肺功能测试。利用机器学习算法，可以学习和执行预测数据分析。
团队开发了一个算法，加入了常规肺功能参数和临床变量，如吸烟史、身体质量指数和年龄。基于临床和肺功能数据的，该算法使最可能的诊断建议。
比利时鲁汶大学的Wim Janssens是这项研究的资深成员，说道：“我们在这个新研究中已经证明，人工智能可以为我们提供更准确的诊断。我们开发这个算法的意义在于，可以以一个更标准客观、不带任何偏见的方式，模拟临床医生用来诊断的复杂推理过程。”
目前，临床医生还必须依靠基于人数的参数分析结果。有了人工智能，机器就可以一次性观察所有图像的集合，这有助于产生一个更准确的诊断。这在其他健康领域已经出现过，自动解读临床实践中惯用的心电图结果，将其作为一个决策支持系统。
这项研究的第一作者Marko Topalovic来自比利时鲁汶大学，说道：“这个方法的好处是能更准确、更自动地解释肺功能测试结果，从而更好地检测疾病。这不仅可以帮助到没有经验的临床医生，对医疗整个方面都有很多好处，因为这能节省完成最终诊断的时间，而且可以减少临床医生正在用于确认诊断的额外测试。”
研究小组的下一步计划是将是在不同人群中测试算法，并通过持续更新临床诊断肺部功能数据提高系统的决策力与肺功能验证。
