Ny AI-teknologi viser 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 nøjagtig som en læge i at diagnostisere virus i lunger, 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 nøjagtighed på op til 90 procent. Den kunne også korrekt identificere positive og negative tilfælde, 84 procent og 93 procent af tiden, respectively.

CT-scans er blevet bevist som mere effektive til COVID-19-diagnose og -forløb 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 nogen symptomer. Det stopper dog ikke der, da de også kan detektere det hos personer med tidlige symptomer, personer i den værste fase af sygdommen, samt personer, der har overvundet det og ikke længere har symptomer.

Med alle disse fordele har CT-scans også deres ulemper, 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 alt dette i betragtning udviklede forskerholdet på UCF en ny algoritme, der kan nøjagtigt identificere COVID-19. Det kan ikke kun det, men det kan også skelne mellem COVID-19 og influenza, hvilket er ekstremt nyttigt for læger.

Ulas Bagci er en assistentprofessor på UCF’s afdeling for datalogi og medforfatter til studiet.

“Vi demonstrerede, at en dyb-læring-baseret AI-tilgang kan fungere som et standardiseret og objektivt værktøj til at assistere sundhedssystemer samt patienter,” siger Bagci. “Det kan bruges som et supplementær 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. Det næste skridt var at teste algoritmen på 1.337 patienter med forskellige lunge-sygdomme, herunder COVID-19, kræft og pneumoni ikke forårsaget af COVID-19.

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

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

Studiet involverede også medforfattere Baris Turkbey, der er en associeret forskningslæge på 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 på 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 relateret til COVID-19, herunder sporing, testning, forebyggelse, diagnose, forskning og vaccineudvikling.