Ny AI har vist sig at være ekstremt effektiv til at identificere COVID-19 i lunger

Kunstig intelligens (AI) er endnu engang blevet bevist som et effektivt værktøj i kampen mod COVID-19. En ny studie fra University of Central Florida har demonstreret, hvordan AI kan være næsten lige så præcis som en læge i at diagnostisere virus i lungerne, samt hvordan det kan bruges til at forbedre testning.

Studiet blev offentliggjort i Nature Communications.

Diagnose af COVID-19

Forskerholdet udviklede en AI-algoritme, der kunne trænes til at identificere COVID-19-pneumoni i computertomografi (CT)-scans, og den viste en nøjagtighedsgrad på op til 90 procent. Den kunne også korrekt identificere positive tilfælde og negative tilfælde, 84 procent og 93 procent af tiden, respectivt.

CT-scans er blevet bevist at være mere effektive, når det kommer til COVID-19-diagnose og -progression, sammenlignet med transcription-polymerase-kædereaktion (RT-PCR)-tests. Disse tests bliver ofte brugt, men de har høje falske negative rater og tager normalt længere tid at blive behandlet.

En af de største årsager til, at CT-scans bliver brugt til at diagnostisere COVID-19, er, at de kan detektere virus selv hos personer, der ikke viser symptomer. Det stopper ikke der, da de også kan detektere det hos personer med tidlige symptomer, de, der er i den værste fase af sygdommen, samt de, der har overvundet den og ikke længere har symptomer.

Med alle sine fordele har CT-scans også deres svagheder, hvilket er årsagen til, at de nogle gange ikke bliver anbefalet til COVID-19-identifikation. Dette har at gøre med lighederne mellem influenza-associeret pneumoni og COVID-19.

Den nye algoritme

Med alle disse faktorer i betragtning udviklede forskerholdet på UCF en ny algoritme, der kan nøjagtigt identificere COVID-19. Den kan ikke kun gøre det, men den kan også skelne mellem COVID-19 og influenza, hvilket er ekstremt nyttigt for læger.

Ulas Bagci er adjunkt i UCF’s afdeling for datalogi og medforfatter til studiet.

“Vi har demonstreret, at en dyb-læring-baseret AI-tilgang kan fungere som et standardiseret og objektivt værktøj til at hjælpe sundhedssystemer samt patienter,” siger Bagci. “Det kan bruges som et komplementært testværktøj i meget specifikke begrænsede populationer, og det kan bruges hurtigt og i stor skala i det uheldige tilfælde af en tilbagevendende udbrud.”

I studiet trænede forskerholdet en computeralgoritme til at detektere COVID-19 i lunge-CT-scans, med i alt 1.280 patienter fra Kina, Japan og Italien, der blev observeret. Næste skridt var at teste algoritmen på 1.337 patienter, der led af forskellige lunge sygdomme, herunder COVID-19, kræft og pneumoni, der ikke var forårsaget af COVID-19.

Computerens resultater blev derefter sammenlignet med diagnoser fra læger, og forskerne fandt, at algoritmen var ekstremt effektiv til at nøjagtigt at identificere COVID-19-pneumoni i lungerne, samt til at skelne mellem COVID-19 og andre sygdomme.

“Vi har vist, at robuste AI-modeller kan opnå en nøjagtighed på op til 90 procent i uafhængige testpopulationer, opretholde høj specificitet i ikke-COVID-19-relateret pneumoni og demonstrere generaliserbarhed til usete patientpopulationer og centre,” siger Bagci.

Studiet omfattede også medforfattere Baris Turkbey, der er adjunkt-læge ved NIH’s National Cancer Institute Molecular Imaging Branch, og Bradford J. Wood, der er direktør for NIH’s Center for Interventional Oncology og chef for interventionel radiologi ved NIH’s Clinical Center.

Den nye udvikling fra UCF er et af de seneste eksempler på, hvordan AI kan udnyttes under en pandemi. Teknologien er blevet implementeret i forskellige områder i forhold til COVID-19, herunder sporing, testning, forebyggelse, diagnose, forskning og vaccineudvikling.