Neues KI-System zeigt sich als extrem effektiv bei der Identifizierung von COVID-19 in der Lunge

Künstliche Intelligenz (KI) hat sich erneut als effektives Werkzeug im Kampf gegen COVID-19 erwiesen. Eine neue Studie der University of Central Florida hat gezeigt, wie KI fast so genau wie ein Arzt das Virus in der Lunge diagnostizieren und die Tests verbessern kann.

Die Studie wurde in Nature Communications veröffentlicht.

Diagnose von COVID-19

Das Team der Forscher entwickelte einen KI-Algorithmus, der trainiert werden konnte, um COVID-19-Pneumonie in Computertomographie- (CT-) Aufnahmen zu identifizieren, und er zeigte eine Genauigkeitsrate von bis zu 90 Prozent. Er konnte auch positive und negative Fälle zu 84 Prozent bzw. 93 Prozent korrekt identifizieren.

CT-Aufnahmen haben sich als effektiver bei der Diagnose und dem Verlauf von COVID-19 erwiesen als Transkriptions-Polymerase-Kettenreaktion (RT-PCR)-Tests. Diese Tests werden oft verwendet, aber sie haben hohe Falsch-Negativ-Raten und werden normalerweise länger verarbeitet.

Einer der größten Gründe, warum CT-Aufnahmen zur Diagnose von COVID-19 verwendet werden, ist, dass sie das Virus auch bei Personen erkennen können, die keine Symptome zeigen. Es hört sich nicht dort auf, da sie es auch bei Personen mit frühen Symptomen, bei denen, die sich in der schlimmsten Phase der Krankheit befinden, sowie bei denen, die es überwunden haben und keine Symptome mehr haben, erkennen können.

Trotz all ihrer Vorteile haben CT-Aufnahmen auch ihre Nachteile, was der Grund ist, warum sie manchmal nicht für die Identifizierung von COVID-19 empfohlen werden. Dies hat mit den Ähnlichkeiten zwischen influenza-assoziierten Pneumonien und COVID-19 zu tun.

Der neue Algorithmus

Unter Berücksichtigung all dessen entwickelte das Team der Forscher an der UCF einen neuen Algorithmus, der in der Lage ist, COVID-19 genau zu erkennen. Nicht nur das, sondern er kann auch zwischen COVID-19 und Influenza unterscheiden, was für Ärzte extrem nützlich ist.

Ulas Bagci ist Assistant Professor im Department of Computer Science der UCF und Co-Autor der Studie.

“Wir haben gezeigt, dass ein auf Deep Learning basierender KI-Ansatz als standardisiertes und objektives Werkzeug zur Unterstützung von Gesundheitssystemen und Patienten dienen kann”, sagt Bagci. “Es kann als komplementäres Testwerkzeug in sehr spezifischen, begrenzten Populationen verwendet werden und kann schnell und in großem Umfang im Falle eines erneuten Ausbruchs verwendet werden.”

In der Studie trainierten die Forscher einen Computer-Algorithmus, um COVID-19 in Lungentomographie-Aufnahmen zu erkennen, wobei insgesamt 1.280 Patienten aus China, Japan und Italien beobachtet wurden. Der nächste Schritt bestand darin, den Algorithmus auf 1.337 Patienten mit verschiedenen Lungenerkrankungen, einschließlich COVID-19, Krebs und Pneumonie, die nicht durch COVID-19 verursacht wurde, zu testen.

Die Ergebnisse des Computers wurden dann mit den Diagnosen von Ärzten verglichen, und die Forscher fanden heraus, dass der Algorithmus extrem effektiv bei der genauen Erkennung von COVID-19-Pneumonie in der Lunge war, sowie bei der Unterscheidung zwischen COVID-19 und anderen Krankheiten.

“Wir haben gezeigt, dass robuste KI-Modelle bis zu 90 Prozent Genauigkeit in unabhängigen Testpopulationen erreichen können, eine hohe Spezifität bei nicht-COVID-19-assoziierten Pneumonien aufrechterhalten und eine Generalisierbarkeit auf unbekannte Patientenpopulationen und Zentren demonstrieren”, sagt Bagci.

Die Studie umfasste auch Co-Autoren Baris Turkbey, der Associate Research Physician am National Cancer Institute Molecular Imaging Branch der NIH ist, und Bradford J. Wood, der Direktor des Center for Interventional Oncology und Chef der Interventional Radiology am Clinical Center der NIH ist.

Die neue Entwicklung aus der UCF ist eines der jüngsten Beispiele dafür, wie KI während einer Pandemie eingesetzt werden kann. Die Technologie wurde in verschiedenen Bereichen im Zusammenhang mit COVID-19 implementiert, einschließlich Überwachung, Tests, Prävention, Diagnose, Forschung und Impfstoffentwicklung.