Zinātnieki no Tehnoloģiju universitātes Sidnejas (UTS) un Vidējo Austrumu universitātes ir izstrādājuši inovatīvu AI sistēmu, kas izmanto dziļās mācīšanās algoritmus, lai ātri un precīzi atklātu COVID-19 gadījumus. Analizējot rentgena attēlus, pielāgotais konvolūcijas neironu tīkls (Custom-CNN) sasniedz 98% precizitātes līmeni, pārspējot citus AI diagnostikas modeļus. Šī jaunieveduma tehnoloģija var ievērojami samazināt tradicionālo PCR testēšanas metožu aizkavēšanos, izmaksas un kļūdas saistībā ar COVID-19.
Uzticama un laikus veikta COVID-19, kā arī citu elpceļu slimību, piemēram, gripas vai pneimonijas, diagnosticēšana ir svarīga efektīvai ārstēšanai. Tomēr šo stāvokļu atšķiršana, izmantojot kopējas simptomus, piemēram, drudzi, klepu un elpošanas grūtības, var būt sarežģīta. PCR testi, kas ir standarta metode COVID-19 infekcijas apstiprināšanai, ir dārgi, lēni un reizēm dod nepatiesi pozitīvus rezultātus.
UTS pētnieku izstrādātā AI sistēma piedāvā potenciālu risinājumu šiem jautājumiem. Profesors Amir H. Gandomi no UTS Datu zinātnes institūta skaidro, ka AI modelis nodrošina lielu precizitāti COVID-19 gadījumu atklāšanā, izmantojot krūšu rentgena attēlus. Šī sistēma var palīdzēt radiologiem veikt precīzas un efektīvas diagnozes, īpaši reģionos ar medicīnas profesionāļu trūkumu vai augstu COVID-19 izplatību.
Viena no ievērojamajām priekšrocībām, izmantojot rentgena attēlus COVID-19 diagnostikai, ir to pārnēsājamība, kas ļauj veikt testus vietējos reģionos ar ierobežotu piekļuvi specializētai aprīkojumam. Turklāt salīdzinājumā ar KT skenējumiem, krūšu rentgena attēli rada mazāku jonizējošās radiācijas iedarbību, samazinot iespējamos riskus pacientiem.
Custom-CNN modelis ievērojami paātrina diagnosticēšanas procesu, izslēdzot nepieciešamību pēc manuālas rentgena attēlu pārbaudes. Šī AI tehnoloģija piedāvā ātrāku un precīzāku alternatīvu, sniedzot pacientiem agrīnāku COVID-19 infekcijas apstiprināšanu. Laikus atklāta slimība iespējams ātrākā ārstēšanās ar pretvīrusu līdzekļiem, kas ir visefektīvākie pirmajās piecās simptomu sākšanās dienās.
Lai parādītu sistēmas izcilu sniegumu, pētnieki veica visaptverošu salīdzinošu analīzi un validēja Custom-CNN modeli pret citiem AI diagnostikas modeļiem. Šajā AI sistēmā izmantotās dziļās mācīšanās tehnoloģijas piedāvā galēju risinājumu, izslēdzot manuālu biomarķieru meklēšanu un uzlabojot efektivitāti COVID-19 atklāšanā.
Secinājumā var teikt, ka šīs AI sistēmas izstrāde ir nozīmīgs solis COVID-19 diagnozēšanā. Ar tās ātrajiem un precīzajiem rezultātiem tā var revolucionizēt veidu, kā mēs atklājam un apkarojam vīrusa izplatību, īpaši resursu trūkuma reģionos. AI tehnoloģijas ieviešana veselības aprūpē turpina sniegt cerības un sniegt vērtīgu atbalstu medicīnas profesionāļiem, uzlabojot pacientu iznākumus.
The source of the article is from the blog enp.gr