Οι ειδικοί του Ινστιτούτου Humanitas του Μιλάνου, σε συνεργασία με τους data scientists του Humanitas AI Center (Eρευνητικό Kέντρο Tεχνητής Nοημοσύνης Humanitas) εργάστηκαν για την ανάπτυξη ενός αλγορίθμου ικανού να εντοπίσει μέσω της ανάλυσης των αποτελεσμάτων αξονικών τομογραφιών, τους πιο σοβαρά προσβεβλημένους με COVID-19 ασθενείς, που πρέπει να νοσηλευτούν σε μονάδες εντατικής θεραπείας, βελτιστοποιώντας την διαδικασία του triage.

Η μελέτη, με τίτλο Volume-of-Interest Aware Deep Neural Networks for Rapid Chest CT-Based COVID-19 Patient Risk Assessment, δημοσιεύθηκε στο επιστημονικό περιοδικό International Journal of Environmental Research and Public Health.

Τα αποτελέσματα της μελέτης

Η διεπιστημονική μελέτη πραγματοποιήθηκε χάρη στη συνεργασία διαφόρων ειδικών: το τμήμα Ακτινολογίας, των Επειγόντων Περιστατικών και η Μονάδα Εντατικής Θεραπείας του νοσοκομείου Humanitas, σε συνεργασία με τους data scientists του Humanitas AI Center, το πρώτο ερευνητικό κέντρο τεχνητής νοημοσύνης που ενσωματώθηκε σε νοσοκομείο της Ιταλίας, μαζί με τους τεχνικούς του Εθνικού Κέντρου Έρευνας και Τεχνολογικής Ανάπτυξης (ΕΚΕΤΑ), σχεδίασαν έναν αλγόριθμο ικανό να αναλύει γρήγορα τα διάφορα στάδια της νόσου COVID-19. Ενδεχομένως, στο μέλλον ο αλγόριθμος αυτός να είναι εφαρμόσιμος για την αξιολόγηση και άλλων παθολογιών.

Η πανδημία COVID-19 άσκησε μεγάλη πίεση στα τμήματα Επειγόντων Περιστατικών και στις Μονάδες Εντατικής Θεραπείας των νοσοκομείων, απαιτώντας την ανάπτυξη και εφαρμογή νέων μεθόδων στην διαχείριση των νοσοκομειακών πόρων και την ταχεία και άμεση αξιολόγηση των κλινικών αναγκών των ασθενών.

Πράγματι, μια ταχύτερη οργάνωση των χώρων και των αναγκών των ασθενών θα συνέδραμε στο να μειωθεί σημαντικά το χρονικό διάστημα μεταξύ της άφιξης του ασθενούς στο τμήμα Επειγόντων Περιστατικών και της ενδεχόμενης νοσηλείας για επιβεβαιωμένη λοίμωξη SARS-CoV-2, με μεγάλα οφέλη επίσης όσον αφορά το ποσοστό θνησιμότητας των ασθενών.

Η εφαρμογή της τεχνητής νοημοσύνης στη διαδικασία του triage (της διαλογής των ασθενών) μπορεί να συνδράμει στη βελτιστοποίηση των εσωτερικών νοσοκομειακών πόρων και της θεραπευτικής διαδικασίας του ασθενούς, η οποία θα λαμβάνει χώρα με την αναγκαία απομόνωση, ανάλογη του επιπέδου σοβαρότητας της λοίμωξης.  Ο αλγόριθμος, θα μπορούσε να αναλύσει γρήγορα εικόνες υπολογιστικής τομογραφίας και έτσι να κατηγοριοποιήσει τους ασθενείς με COVID-19 σε τρεις ομάδες με κριτήριο την σοβαρότητα της νόσου: η πρώτη ομάδα περιλαμβάνει άτομα που μπορούν να συνεχίσουν την απομόνωση στο σπίτι, η δεύτερη ομάδα τους ασθενείς που χρήζουν νοσηλείας και η τρίτη ομάδα περιλαμβάνει τους πιο σοβαρά προσβεβλημένους ασθενείς. Οι τελευταίοι όντας εκείνοι  που πρέπει να νοσηλευτούν έγκαιρα στην μονάδα εντατικής θεραπείας. Η μέθοδος θα μπορούσε να βελτιστοποιήσει τη διαχείριση του τεράστιου όγκου δεδομένων που παράγεται διαρκώς από τις νοσοκομειακές εγκαταστάσεις.

«Η αρωγή της τεχνητής νοημοσύνης καθιστά δυνατή την επιτάχυνση των διαγνωστικών και θεραπευτικών φάσεων για τους πιο σοβαρά προσβεβλημένους με COVID-19, ασθενείς, οι οποίοι χρειάζονται άμεση νοσηλεία στην μονάδα εντατικής θεραπείας. Χάρη στην τεχνητή νοημοσύνη, εκτός από ακριβή διάγνωση, μπορούμε να διασφαλίσουμε και την καλύτερη διαχείριση των νοσοκομειακών πόρων αλλά και την κατάλληλη απομόνωση του ασθενούς. Με αυτόν τον τρόπο καταπολεμάται αποτελεσματικά η εξάπλωση του ιού SARS-CoV-2», εξηγεί ο καθηγητής Arturo Chiti, διευθυντής της μονάδας πυρηνικής ιατρικής στο Ινστιτούτο Humanitas.

Η χρήση της τεχνητής νοημοσύνης στην διαγνωστική ανάλυση

Την μελέτη που δημοσιεύθηκε στο International Journal of Environmental Research and Public Health θα ακολουθήσει μια δεύτερη φάση δοκιμών και επικύρωσης του αλγορίθμου στην κλινική πρακτική.

Η χρήση της τεχνητής νοημοσύνης, σε μια εποχή έκτακτης υγειονομικής κατάστασης όπως η τρέχουσα, θα μπορούσε να επιτρέψει μια ταχύτερη ανάλυση των διαγνωστικών εικόνων αποτελεσματικότερη από εκείνη ενός ειδικού. Επιπλέον, η έγκαιρη ταυτοποίηση του υψηλού ή χαμηλού κινδύνου του μεμονωμένου ασθενούς μπορεί να βοηθήσει στον εξορθολογισμό του τρόπου της διαχείρισης των θαλάμων και της φροντίδας των ασθενών νωρίτερα από τα αποτελέσματα των κλινικών ή εργαστηριακών εξετάσεων, για τα οποία ο χρόνος αναμονής είναι μεγαλύτερος.

Το Ινστιτούτο Humanitas έχει αναλάβει πολλά ερευνητικά προγράμματα για την χρήση της τεχνητής νοημοσύνης στα νοσοκομεία, χρηματοδοτούμενα τόσο από το 5x1000 Fund όσο και από το ταμείο χρηματοδότησης της Ευρωπαϊκής Επιτροπής για το πρόγραμμα Horizon 2020, με εφαρμογές που άπτονται τομέων όπως η ογκολογία, η ακτινολογία και η χειρουργική.

«Έχουμε διδαχθεί πολλά κατά τη διάρκεια αυτής της πανδημίας. Έχουν καταβληθεί τιτάνιες προσπάθειες εκ μέρους των κοινοτήτων επιστημών και πολιτών για την αντιμετώπιση του ιού. Στο μέλλον θα είμαστε περισσότερο επανδρωμένοι να υιοθετήσουμε τεχνολογικές λύσεις που μπορούν να κάνουν την εργασία των γιατρών λιγότερο επαχθή και να τους βοηθήσουν να διαχειρίζονται καλύτερα το χρόνο και τους πόρους τους. Αυτό είναι εφικτό χάρη στη χρήση εργαλείων που στηρίζονται στην ανάλυση δεδομένων (datadriven εργαλεία). Η τεχνητή νοημοσύνη και η ανάλυση δεδομένων έχουν ήδη αποδειχθεί ζωτικής σημασίας για την παρακολούθηση της πανδημίας και τη δημιουργία μοντέλων που προβλέπουν την πιθανή άφιξη νέων κυμάτων. Ωστόσο, υπάρχουν ακόμη πολλά που μπορούν να γίνουν και να διερευνηθούν για να ανακαλυφθεί η πραγματική δυναμική αυτών των τεχνολογιών στον κλάδο της υγειονομικής περίθαλψης», καταλήγει ο Victor Savevski, διευθυντής Καινοτομίας και διευθυντής του Humanitas AI Center.

Ειδήσεις υγείας σήμερα
Με ποιους τρόπους θα βελτιώσω τη συγκέντρωσή μου
H επόμενη μέρα των βιοδεικτών - Παραδείγματα εξοικονόμησης κόστους
Απογευματινά χειρουργεία