Uusi tekoäly on osoittautunut erittäin tehokkaaksi COVID-19:n havaitsemisessa keuhkoissa

Tekoäly (AI) on jälleen osoittautunut tehokkaaksi työkaluksi COVID-19:n torjunnassa. University of Central Floridan tutkimus osoitti, miten tekoäly voidaan kouluttaa tunnistamaan COVID-19:n keuhkopneumoniaa tietokoneavokuvin (CT-kuvin) ja miten sitä voidaan käyttää parantamaan testausta.

Tutkimus julkaistiin Nature Communications-julkaisussa.

COVID-19:n diagnosointi

Tutkijaryhmä kehitti tekoälyalgoritmin, joka pystyy tunnistamaan COVID-19:n keuhkopneumonian tietokoneavokuvin, ja se osoitti 90 prosentin tarkkuuden. Se pystyi myös oikein tunnistamaan positiiviset ja negatiiviset tapaukset, 84 prosentilla ja 93 prosentilla tapauksista.

Tietokoneavokuvat ovat osoittautuneet tehokkaammiksi COVID-19:n diagnosoinnissa ja etenemisessä verrattuna transkriptio-polymeraasiketjureaktio (RT-PCR) -testeihin. Nämä testit ovat yleisiä, mutta niillä on korkeat virheelliset negatiiviset tulokset ja ne kestävät usein kauemmin.

Yksi syy, miksi tietokoneavokuvia käytetään COVID-19:n diagnosointiin, on se, että ne voivat havaita viruksen jopa oireettomilla henkilöillä. Se ei kuitenkaan lopu siihen, sillä ne voivat myös havaita sen henkilöillä, joilla on varhaisia oireita, pahimmassa taudin vaiheessa olevilla henkilöillä sekä henkilöillä, jotka ovat toipuneet ja eivät enää näytä oireita.

Kaikkien hyödyllisyyksiensä vuoksi tietokoneavokuvat ovat myös heikkouksia, minkä vuoksi niitä ei aina suositella COVID-19:n tunnistamiseen. Tämä liittyy influenssaviruspneumonian ja COVID-19:n välisiin samankaltaisuuksiin.

Uusi algoritmi

Ottaen kaiken tämän huomioon, tutkijaryhmä kehitti uuden algoritmin, joka pystyy tarkasti tunnistamaan COVID-19:n. Se pystyy myös erottamaan COVID-19:n ja influenssan, mikä on erittäin hyödyllistä lääkäreille.

Ulas Bagci on apulaisprofessori University of Central Floridan tietojenkäsittelytieteen laitoksessa ja tutkimuksen yhteiskirjoittaja.

“Osoitimme, että syväoppimiseen perustuva tekoälylähestymistapa voidaan käyttää standardoituina ja objektiivisina työkaluina terveydenhuoltojärjestelmissä ja potilaiden avustamiseen”, Bagci sanoo. “Sitä voidaan käyttää täydentävänä testityökaluna hyvin määritetyissä rajoitettujen väestöryhmien joukossa, ja sitä voidaan käyttää nopeasti ja laajassa mittakaavassa, mikäli epidemia toistuu.

Tutkimuksessa tutkijaryhmä koulutti tietokonealgoritmin COVID-19:n havaitsemiseen keuhkojen tietokoneavokuvin, ja siinä havaittiin yhteensä 1 280 potilasta Kiinasta, Japanista ja Italiasta. Seuraava askel oli testata algoritmi 1 337 potilaalla, joilla oli erilaisia keuhkosairauksia, mukaan lukien COVID-19, syöpä ja COVID-19:ää aiheuttamaton pneumonia.

Tietokoneen tulokset verrattiin lääkärien diagnooseihin, ja tutkijat totesivat, että algoritmi oli erittäin tehokas COVID-19:n keuhkopneumonian havaitsemisessa ja erottamisessa muiden sairauksien joukosta.

“Osoitimme, että luotettavat tekoälymallit voivat saavuttaa jopa 90 prosentin tarkkuuden itsenäisissä testipopulaatioissa, ylläpitää korkeaa spesifisyyttä COVID-19:ään liittymättömissä pneumonioissa ja osoittaa yleistettävyyttä näkymättömiin potilasväestöihin ja -keskuksiin”, Bagci sanoo.

Tutkimukseen osallistuivat myös yhteiskirjoittajat Baris Turkbey, joka on apulaislääkäri NIH:n National Cancer Institute Molecular Imaging Branch -yksikössä, ja Bradford J. Wood, joka on NIH:n Center for Interventional Oncology -yksikön johtaja ja interventioradiologian ylilääkäri NIH:n Clinical Center -yksikössä.

University of Central Floridan uusi kehitys on yksi viimeaikaisista esimerkeistä siitä, miten tekoälyä voidaan hyödyntää pandemian aikana. Teknologiaa on otettu käyttöön useissa eri COVID-19:ään liittyvissä aloissa, mukaan lukien seuranta, testaus, ehkäisy, diagnosointi, tutkimus ja rokotteen kehittäminen.