Ny AI har visat sig vara extremt effektiv för att identifiera COVID-19 i lungor

Artificiell intelligens (AI) har återigen visat sig vara ett effektivt verktyg i kampen mot COVID-19. En ny studie från University of Central Florida har visat hur AI kan vara nästan lika tillförlitlig som en läkare när det gäller att diagnostisera viruset i lungorna, samt hur det kan användas för att förbättra testningen.

Studien publicerades i Nature Communications.

Diagnos av COVID-19

Forskargruppen utvecklade en AI-algoritm som kunde tränas för att identifiera COVID-19-pneumoni i datortomografibilder (CT-bilder), och den visade sig ha en träffsäkerhet på upp till 90 procent. Den kunde också korrekt identifiera positiva och negativa fall, 84 procent respektive 93 procent av tiden.

CT-bilder har visat sig vara mer effektiva när det gäller att diagnostisera COVID-19 och dess progression jämfört med transkriptions-polymeraskedjereaktion (RT-PCR)-tester. Dessa tester används ofta, men de har höga falska negativa rater och tar vanligtvis längre tid att bearbetas.

En av de största anledningarna till att CT-bilder används för att diagnostisera COVID-19 är att de kan upptäcka viruset även hos personer som inte visar några symtom. Det slutar inte där, utan de kan också upptäcka det hos personer med tidiga symtom, de som är i den värsta fasen av sjukdomen, samt hos de som har tillfrisknat och inte längre har symtom.

Med alla dess fördelar har CT-bilder också sina begränsningar, vilket är varför de ibland inte rekommenderas för att identifiera COVID-19. Detta beror på likheterna mellan influensa-relaterad pneumoni och COVID-19.

Den nya algoritmen

Med allt detta i beaktande utvecklade forskargruppen vid UCF en ny algoritm som kan identifiera COVID-19 med stor träffsäkerhet. Den kan inte bara upptäcka COVID-19, utan också skilja det från influensa, vilket är extremt användbart för läkare.

Ulas Bagci är biträdande professor vid UCF:s datavetenskapsavdelning och medförfattare till studien.

“Vi har visat att en djupinlärningsbaserad AI-ansats kan fungera som ett standardiserat och objektivt verktyg för att stödja hälsovårdssystem och patienter”, säger Bagci. “Det kan användas som ett kompletterande testverktyg i mycket specifika begränsade populationer, och det kan användas snabbt och i stor skala i händelse av en återkommande utbrott.”

I studien tränade forskargruppen en datoralgoritm för att upptäcka COVID-19 i lung-CT-bilder, med totalt 1 280 patienter från Kina, Japan och Italien. Nästa steg var att testa algoritmen på 1 337 patienter som led av olika lungsjukdomar, inklusive COVID-19, cancer och pneumoni som inte orsakades av COVID-19.

Datorns resultat jämfördes sedan med diagnoser från läkare, och forskarna fann att algoritmen var extremt effektiv för att korrekt upptäcka COVID-19-pneumoni i lungor, samt för att skilja COVID-19 från andra sjukdomar.

“Vi visade att robusta AI-modeller kan uppnå upp till 90 procents träffsäkerhet i oberoende testpopulationer, upprätthålla hög specificitet i icke-COVID-19-relaterad pneumoni och visa generaliserbarhet till osett patientpopulation och centra”, säger Bagci.

Studien involverade också medförfattare Baris Turkbey, som är en associerad forskningsläkare vid NIH:s National Cancer Institute Molecular Imaging Branch, och Bradford J. Wood, som är chef för NIH:s Center for Interventional Oncology och chef för interventionell radiologi vid NIH:s Clinical Center.

Den nya utvecklingen från UCF är ett av de senaste exemplen på hur AI kan användas under en pandemi. Teknologin har implementerats inom olika områden relaterade till COVID-19, inklusive spårning, testning, förebyggande, diagnos, forskning och vaccinutveckling.