Νέο εργαλείο τεχνητής νοημοσύνης εντοπίζει με ακρίβεια άνω του 98% την COVID-19 από ακτινογραφίες θώρακος

Ερευνητές ανέπτυξαν σύστημα τεχνητής νοημοσύνης που μπορεί να εντοπίσει γρήγορα την COVID-19 από ακτινογραφία θώρακος με ακρίβεια άνω του 98%.

Ο Amir H Gandomi, του University of Technology Sydney (UTS) Data Science Institute, δήλωσε ότι υπάρχει ανάγκη για αποτελεσματικά αυτοματοποιημένη εργασία για τον εντοπισμό της COVID-19, δεδομένης της σημαντικής της επίδρασης της νόσου στη δημόσια υγεία και την παγκόσμια οικονομία.

Το νεο σύστημα τεχνητής νοημοσύνης χρησιμοποιεί αλγόριθμο που ονομάζεται Custom Convolutional Neural Network (Custom-CNN) ο οποίος μπορεί γρήγορα και με ακρίβεια να κάνει διαχωρισμό μεταξύ περιστατικών COVID-19, φυσιολογικών περιστατικών και πνευμονίας σε ακτινογραφίες.

Το μοντέλο Custom-CNN  βελτιστοποιεί τη διαδικασία εντοπισμού παρέχοντας πιο γρήγορη και πιο ακριβή διάγνωση της COVID-19, δήλωσε ο καθηγητής Gandomi.

Πρόσθεσε οτι αν ένα τεστ PCR ή rapid δείξει αρνητικό ή μη καταληκτικό αποτέλεσμα, λόγω χαμηλής ευαισθησίας, οι ασθενείς μπορεί να χρειαστούν περαιτέρω εξέταση μέσω απεικονιστικών εξετάσεων για να επιβεβαιωθεί ή να αποκλειστεί η παρουσία του κορωνοιού. Σε αυτή την περίπτωση το νεο σύστημα τεχνητής νοημοσύνης θα μπορούσε να είναι ωφέλιμο καθώς το μοντέλο απομακρύνει την ανάγκη να ερευνά κάποιος χειροκίνητα για βιοδείκτες.

Ο καθηγητής Gandomi δήλωσε ότι ενώ οι ακτινολόγοι παίζουν σημαντικό ρόλο στη διάγνωση, η τεχνολογία τεχνητής νοημοσύνης μπορεί να τους βοηθήσει να κάνουν ακριβείς και αποτελεσματικές διαγνώσεις.

Η ανάλυση της επίδοσης του μοντέλου έδειξε ότι ξεπερνά τα άλλα διαγνωστικά μοντέλα τεχνητής νοημοσύνης.

Tο νέο σύστημα θα μπορούσε να είναι ιδιαίτερα ωφέλιμο σε χώρες με υψηλά επίπεδα COVID-19 όπου υπάρχει έλλειψη ακτινολόγων. Οι ακτινογραφίες θώρακος είναι φορητές, ευρέως διαθέσιμες και παρέχουν χαμηλότερη έκθεση στην ιονίζουσα ακτινοβολία έναντι των αξονικών τομογραφιών.

Η συγκεκριμένη εξέλιξη αντιπροσωπεύει σημαντικό βήμα στην καταπολέμηση των προκλήσεων της πανδημίας, πιθανώς μεταμορφώνοντας το τοπίο της διάγνωσης και του ελέγχου της COVID-19.

Η μελέτη δημοσιεύτηκε στο Scientific Reports.

Πηγές:
Scientific Reports.