Исследователи Университета технологий Сиднея (UTS) сделали прорыв в использовании искусственного интеллекта (ИИ) для быстрого обнаружения инфекции COVID-19 при анализе рентгеновских снимков грудной клетки. Их алгоритм, основанный на глубоком обучении и известный как «Custom Convolutional Neural Network» (Custom-CNN), достиг впечатляющей точности более 98%.
Тестирование методом обратной транскрипции-полимеразной цепной реакции в реальном времени (RT-PCR), которое в настоящее время является золотым стандартом для диагностики COVID-19, имеет ограничения, такие как высокие затраты, медленные результаты и ложно-отрицательные результаты. В качестве дополнения к RT-PCR рентгеновские снимки грудной клетки помогают в своевременном обнаружении и управлении заразными инфекциями, особенно когда RT-PCR дает отрицательный результат.
COVID-19 проявляет специфические радиологические характеристики на рентгеновских снимках грудной клетки, на которые полагаются радиологи для диагностики. Однако этот ручной осмотр рентгеновских снимков требует много времени и подвержен ошибкам. Чтобы решить эти проблемы, исследователи из UTS обратились к ИИ для оптимизации диагностического процесса.
Амир Гандоми, соавтор исследования, объясняет: «Самый распространенный тест на COVID-19, реакция полимеразной цепной реакции в реальном времени (PCR), может быть медленным и дорогостоящим, а также давать ложно-отрицательные результаты. Для подтверждения диагноза радиологам необходимо вручную осмотреть компьютерные томографические снимки или рентгеновские снимки, что требует много времени и может содержать ошибки».
Исследователи использовали два набора данных рентгеновских снимков грудной клетки, включающих нормальные снимки, снимки с положительным наличием коронавируса и снимки с вирусной пневмонией. Модель Custom-CNN, специально разработанная для диагностики COVID-19, была обучена на 80% изображений и протестирована на оставшихся 20%. Результаты показали впечатляющую точность классификации — 98,19% в различении между COVID-19, нормальными и пневмоническими снимками грудной клетки. Фактически, модель Custom-CNN превзошла другие существующие модели при оценке.
Гандоми подчеркивает преимущества ИИ системы, говоря: «Глубинное обучение предлагает всеобъемлющее решение, исключая необходимость ручного поиска биомаркеров. Модель Custom-CNN оптимизирует процесс обнаружения, обеспечивая более быструю и точную диагностику COVID-19».
Раннее обнаружение COVID-19 на рентгеновских снимках грудной клетки позволяет своевременное лечение, включая антивирусные препараты, которые обладают наибольшей эффективностью в первые пять дней заболевания. Кроме того, раннее обнаружение может побудить пациентов на изоляцию и предотвратить дальнейшее распространение.
Гандоми также подчеркивает потенциальное глобальное влияние этой системы на ИИ, говоря: «Новая система на основе ИИ может быть особенно полезной в странах с высоким уровнем COVID-19, где недостаток радиологов. Рентгеновские снимки грудной клетки легко передвигаются, широко доступны и позволяют более низкую экспозицию ионизирующему излучению по сравнению с компьютерными томографическими снимками».
Это прорывное исследование, опубликованное в Scientific Reports, не только революционизирует диагностику COVID-19, но и демонстрирует потенциал ИИ в трансформации медицинской области путем предоставления более быстрых и точных диагностических инструментов.
The source of the article is from the blog krama.net