Pandemia COVID-19 szturmem opanowała świat na początku 2020 r. i od tego czasu stała się główną przyczyną zgonów w kilku krajach, w tym w Chinach, USA, Hiszpanii i Wielkiej Brytanii. Naukowcy intensywnie pracują nad opracowaniem praktycznych sposobów diagnozowania infekcji COVID-19, a wielu z nich skupiło swoją uwagę na tym, jak można w tym celu wykorzystać sztuczną inteligencję (AI).
Kilka badań wykazało, że systemy oparte na sztucznej inteligencji mogą być wykorzystywane do wykrywania COVID-19 na obrazach rentgenowskich klatki piersiowej, ponieważ choroba ma tendencję do tworzenia obszarów z ropą i wodą w płucach, które na zdjęciach rentgenowskich są widoczne jako białe plamy . Chociaż zaproponowano różne modele diagnostyczne AI oparte na tej zasadzie, poprawa ich dokładności, szybkości i stosowalności pozostaje najwyższym priorytetem.
Teraz zespół naukowców kierowany przez profesora Gwanggila Jeona z Incheon National University w Korei opracował automatyczne ramy diagnostyczne COVID-19, które poprawiają sytuację, łącząc dwie potężne techniki oparte na sztucznej inteligencji. Ich system można przeszkolić, aby dokładnie odróżniać zdjęcia rentgenowskie klatki piersiowej pacjentów z COVID-19 od tych, które nie cierpią na COVID-19. Ich artykuł został udostępniony online 27 października 2021 r. i opublikowany 21 listopada 2021 r. w tomie 8, wydanie 21 czasopisma IEEE Internet of Things Journal.
Dwa algorytmy, których użyli badacze, to Faster R-CNN i ResNet-101. Pierwszy z nich to model oparty na uczeniu maszynowym, który wykorzystuje sieć propozycji regionów, którą można przeszkolić w celu identyfikowania odpowiednich regionów na obrazie wejściowym. Druga to sieć neuronowa głębokiego uczenia składająca się ze 101 warstw, która została wykorzystana jako szkielet. ResNet-101, po przeszkoleniu z wystarczającą ilością danych wejściowych, jest potężnym modelem rozpoznawania obrazów. „Zgodnie z naszą najlepszą wiedzą, nasze podejście jest pierwszym, które łączy ResNet-101 i Faster R-CNN do wykrywania COVID-19”, zauważa prof. Jeon, „Po przeszkoleniu naszego modelu z 8800 zdjęć rentgenowskich uzyskaliśmy niezwykła dokładność 98%.”
Zespół badawczy jest przekonany, że ich strategia może okazać się przydatna we wczesnym wykrywaniu COVID-19 w szpitalach i publicznych ośrodkach zdrowia. Korzystanie z automatycznych technik diagnostycznych opartych na technologii sztucznej inteligencji może odciążyć radiologów i innych ekspertów medycznych, którzy borykają się z ogromnym obciążeniem pracą od początku pandemii. Co więcej, w miarę jak coraz nowocześniejsze urządzenia medyczne zostaną podłączone do Internetu, możliwe będzie zasilanie proponowanego modelu ogromnymi ilościami danych treningowych; doprowadzi to do jeszcze wyższych dokładności, nie tylko w przypadku COVID-19, jak twierdzi prof. Jeon: „Podejście do głębokiego uczenia zastosowane w naszym badaniu ma zastosowanie do innych rodzajów obrazów medycznych i może być wykorzystywane do diagnozowania różnych chorób”.
CO WYNIEŚĆ Z TEGO ARTYKUŁU:
- Several studies have reported that AI-based systems can be used to detect COVID-19 in chest X-ray images because the disease tends to produce areas with pus and water in the lungs, which show up as white spots in the X-ray scans.
- The first one is a machine learning-based model that uses a region-proposal network, which can be trained to identify the relevant regions in an input image.
- Moreover, as more modern medical devices become connected to the Internet, it will be possible to feed vast amounts of training data to the proposed model.
