Nieuwe AI blijkt extreem effectief in het identificeren van COVID-19 in longen

Kunstmatige intelligentie (AI) is opnieuw bewezen een effectief instrument in de strijd tegen COVID-19. Een nieuwe studie van de University of Central Florida heeft aangetoond hoe AI bijna net zo nauwkeurig kan zijn als een arts bij het diagnosticeren van het virus in de longen, evenals hoe het kan worden gebruikt om tests te verbeteren.

De studie werd gepubliceerd in Nature Communications.

COVID-19 diagnosticeren

Het team van onderzoekers ontwikkelde een AI-algoritme dat getraind kon worden om COVID-19-longontsteking te identificeren in computertomografie (CT)-scans, en het bleek een nauwkeurigheidspercentage van maximaal 90 procent te hebben. Het was ook in staat om positieve en negatieve gevallen correct te identificeren, 84 procent en 93 procent van de tijd, respectievelijk.

CT-scans zijn bewezen effectiever te zijn bij de diagnose en progressie van COVID-19 in vergelijking met transscriptie-polymerase-kettingreactie (RT-PCR)-tests. Deze tests worden vaak gebruikt, maar ze hebben hoge vals-negatieve tarieven en worden meestal langer verwerkt.

Een van de belangrijkste redenen waarom CT-scans worden gebruikt om COVID-19 te diagnosticeren, is dat ze het virus kunnen detecteren, zelfs bij personen die geen symptomen vertonen. Het stopt daar niet, want ze kunnen het ook detecteren bij personen met vroege symptomen, bij personen die in het ergste stadium van de ziekte zitten, evenals bij personen die hersteld zijn en geen symptomen meer hebben.

Met alle voordelen van CT-scans, hebben ze ook hun nadelen, waardoor ze soms niet worden aanbevolen voor COVID-19-identificatie. Dit heeft te maken met de overeenkomsten tussen influenza-geassocieerde longontsteking en COVID-19.

Het nieuwe algoritme

Rekening houdend met al deze factoren, ontwikkelde het team van onderzoekers aan de UCF een nieuw algoritme dat in staat is om COVID-19 nauwkeurig te detecteren. Niet alleen dat, maar het kan ook het verschil tussen COVID-19 en influenza detecteren, wat extreem nuttig is voor artsen.

Ulas Bagci is een assistent-professor in de afdeling Computer Science van de UCF en co-auteur van de studie.

“We hebben aangetoond dat een diepe leerling-gebaseerde AI-aanpak kan dienen als een gestandaardiseerd en objectief instrument om gezondheidszorgsystemen en patiënten te ondersteunen”, zegt Bagci. “Het kan worden gebruikt als een aanvullend testinstrument in zeer specifieke beperkte populaties en het kan snel en op grote schaal worden gebruikt in het ongelukkige geval van een terugkerende uitbraak.”

In de studie trainden de onderzoekers een computeralgoritme om COVID-19 te detecteren in long-CT-scans, met in totaal 1.280 patiënten uit China, Japan en Italië. De volgende stap was om het algoritme te testen op 1.337 patiënten met verschillende longziekten, waaronder COVID-19, kanker en longontsteking die niet door COVID-19 werd veroorzaakt.

De resultaten van de computer werden vervolgens vergeleken met diagnoses van artsen en de onderzoekers vonden dat het algoritme extreem effectief was in het nauwkeurig detecteren van COVID-19-longontsteking in longen, evenals in het onderscheiden tussen COVID-19 en andere ziekten.

“We hebben aangetoond dat robuuste AI-modellen een nauwkeurigheid van maximaal 90 procent kunnen bereiken in onafhankelijke testpopulaties, een hoge specificiteit kunnen behouden in niet-COVID-19-gerelateerde longontsteking en generaliseerbaarheid kunnen demonstreren naar ongezien patiëntpopulaties en centra”, zegt Bagci.

De studie omvatte ook co-auteurs Baris Turkbey, die een associate research physician is bij de NIH’s National Cancer Institute Molecular Imaging Branch, en Bradford J. Wood, die de directeur is van de NIH’s Center for Interventional Oncology en chef van interventionele radiologie bij de NIH’s Clinical Center.

De nieuwe ontwikkeling uit de UCF is een van de recentste voorbeelden van hoe AI kan worden ingezet tijdens een pandemie. De technologie is geïmplementeerd in verschillende gebieden met betrekking tot COVID-19, waaronder tracking, testing, preventie, diagnose, onderzoek en vaccinontwikkeling.