A tesztelések alapján a mesterséges intelligencia az orvosokhoz hasonló pontosággal észleli a Covid-19-betegséget a tüdőben
Virtuális orvosként képes diagnosztizálni a mesterséges intelligencia (MI) az új koronavírus-fertőzés okozta Covid-19 betegséget a tüdőben.
A Nature Communications című tudományos folyóiratban ismertetett tanulmányukban a kutatók bemutatták, hogy létre lehet hozni egy olyan MI-algoritmust, amely mintegy 90 százalékos pontossággal azonosítja a tüdőgyulladást Covid-19-betegség esetében CT-vizsgálatok felvételeiben és pontosan azonosítja a pozitív esetek 84 százalékát és a negatív esetek 93 százalékát.
A CT-felvételek mélyebb betekintést adnak a Covid-19-diagnózisba és a betegség előre haladásába, mint az RT-PCR-tesztek. Utóbbiak esetében magas a hamis negatív esetek aránya. A CT felvételek készítését azonban nem mindig ajánlják a Covid-19 diagnosztikai eszközeként, mivel a betegség gyakran hasonlít az influenza okozta tüdőgyulladáshoz a felvételeken.
A Közép-floridai Egyetem kutatói részvételével készített algoritmus képes felülkerekedni ezen a problémán, pontosan azonosítva a Covid-19 eseteket, jól megkülönböztetve őket az influenzától – mondta Ulas Bagci, az egyetem számítástechnikai karának adjunktusa, az orvosokat segítő MI-algoritmusok fejlesztésének szakértője.
„Bemutattuk, hogy a mélytanulás-technikára épülő MI hiteles és objektív eszközként szolgálhat az egészségügyi rendszerek és a betegek segítésében” – tette hozzá.
A kutatók 1280 kínai, japán és olasz beteg CT-felvételeivel készítették fel az algoritmust, hogy felismerje a kórt a tüdőben. A teszteléshez 1337 tüdőbeteg – köztük Covid-19 okozta, illetve nem koronavírus okozta tüdőgyulladásos, valamint tüdőrákos beteg – CT-felvételeit használták.
Amikor egybevetették a számítógép diagnózisát az orvosok által megerősített diagnózissal, azt találták, hogy az algoritmus páratlan hozzáértéssel, pontosan diagnosztizálta a Covid-19 tüdőgyulladást és megkülönböztette azt más betegségektől, különösen ha a Covid-19-betegség korai stádiumba volt.
