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.
Ειδήσεις υγείας σήμερα
Διοικητές νοσοκομείων: Παράδοξα και αντιφάσεις ενός διαγωνισμού
ΕΔΟΕΑΠ - ΤΥΠΕΤ στις ρυθμίσεις ΕΟΠΥΥ για τη φαρμακευτική δαπάνη - Γεωργιάδης: Θα βγουν κερδισμένοι
Μιχ. Γιαννάκος: Γιατί είναι χαμηλή η συμμετοχή στις απεργίες των υγειονομικών