Ny AI har vist seg å være ekstremt effektiv i å identifisere COVID-19 i lunger

Kunstig intelligens (AI) har igjen vist seg å være et effektivt verktøy i kampen mot COVID-19. En ny studie fra University of Central Florida har demonstrert hvordan AI kan være nesten like nøyaktig som en lege i å diagnostisere virus i lunger, samt hvordan det kan brukes til å forbedre testing.

Studien ble publisert i Nature Communications.

Diagnose av COVID-19

Forskerlaget utviklet en AI-algoritme som kunne trenes til å identifisere COVID-19-pneumoni i datatomografiske bilder (CT-skanninger), og den viste en nøyaktighetsrate på opptil 90 prosent. Den kunne også korrekt identifisere positive og negative tilfeller, 84 prosent og 93 prosent av tiden, henholdsvis.

CT-skanninger har vist seg å være mer effektive når det gjelder COVID-19-diagnose og progrediering sammenlignet med transkriptase-polymerase-kjede-reaksjon (RT-PCR)-tester. Disse testene brukes ofte, men de har høye falske negativrater og tar vanligvis lengre tid å prosessere.

En av de største grunnene til at CT-skanninger brukes til å diagnostisere COVID-19 er at de kan detektere virus selv hos personer som ikke viser noen symptomer. Det stopper ikke der, men de kan også detektere det hos personer med tidlige symptomer, de som er i verst stadium av sykdommen, samt de som har kommet seg og ikke lenger har symptomer.

Med alle sine fordeler har CT-skanninger også sine ulemper, som er grunnene til at de ikke alltid anbefales for COVID-19-identifisering. Dette har å gjøre med likhetene mellom influensa-assosiert pneumoni og COVID-19.

Den nye algoritmen

Med alle disse faktorene i mente utviklet forskerlaget ved UCF en ny algoritme som kan identifisere COVID-19 nøyaktig. Den kan ikke bare det, men den kan også skille mellom COVID-19 og influensa, noe som er ekstremt nyttig for leger.

Ulas Bagci er en assistentprofessor ved UCFs avdeling for datavitenskap og medforfatter av studien.

“Vi demonstrerte at en dyp-læring-basert AI-tilnærming kan fungere som et standardisert og objektivt verktøy for å assistere helsevesenet samt pasienter,” sier Bagci. “Det kan brukes som et komplementært testverktøy i svært spesifikke begrensede populasjoner, og det kan brukes raskt og i stor skala i den uheldige hendelsen av en gjentakende utbrudd.”

I studien trenet forskerlaget en datamaskinalgoritme til å detektere COVID-19 i lunge-CT-skanninger, med totalt 1 280 pasienter fra Kina, Japan og Italia som ble observert. Neste skritt var å teste algoritmen på 1 337 pasienter som led av forskjellige lunge-sykdommer, inkludert COVID-19, kreft og pneumoni som ikke var forårsaket av COVID-19.

Resultatene fra datamaskinen ble så sammenlignet med diagnoser fra leger, og forskerne fant at algoritmen var ekstremt effektiv i å identifisere COVID-19-pneumoni i lunger, samt å skille mellom COVID-19 og andre sykdommer.

“Vi viste at robuste AI-modeller kan oppnå opptil 90 prosent nøyaktighet i uavhengige test-populasjoner, opprettholde høy spesifisitet i ikke-COVID-19-relatert pneumoni og demonstrere generaliserbarhet til usette pasientpopulasjoner og sentre,” sier Bagci.

Studien involverte også medforfattere Baris Turkbey, som er en assosiert forskningslege ved NIHs National Cancer Institute Molecular Imaging Branch, og Bradford J. Wood, som er direktør for NIHs Center for Interventional Oncology og sjef for intervensjons-radiologi ved NIHs Clinical Center.

Den nye utviklingen fra UCF er ett av de nyeste eksemplene på hvordan AI kan utnyttes under en pandemi. Teknologien har blitt implementert i forskjellige områder relatert til COVID-19, inkludert sporing, testing, forebygging, diagnose, forskning og vaksineutvikling.