Veštačka inteligencija može da uoči COVID-19 na ultrazvučnim slikama pluća, slično kao što softver za prepoznavanje lica može uočiti lice u gomili, pokazuju nova istraživanja.
Nalazi podstiču medicinsku dijagnostiku zasnovanu na veštačkoj inteligenciji i približavaju zdravstvene radnike mogućnostima da brzo dijagnostikuju pacijente sa COVID-19 i drugim plućnim bolestima pomoću algoritama koji pročešljavaju ultrazvučne slike kako bi identifikovali znake bolesti.
Nalazi, koji su nedavno objavljeni u Communications Medicine, kulminiraju naporima koji su započeli rano u pandemiji kada su kliničarima bili potrebni alati za brzu procenu legija pacijenata u preopterećenim sobama za hitne slučajeve.
„Razvili smo ovaj automatizovani alat za otkrivanje kako bismo pomogli lekarima u hitnim slučajevima sa velikim brojem slučajeva pacijenata kojima je potrebna brza i precizna dijagnoza, kao što je to u ranijim fazama pandemije“, rekao je stariji autor Mujinatu Bel, saradnik Džona C. Malona. Profesor elektrotehnike i računarstva, biomedicinskog inženjerstva i računarskih nauka na Univerzitetu Džon Hopkins. „Potencijalno želimo da imamo bežične uređaje koje pacijenti mogu koristiti i kod kuće za praćenje napredovanja COVID-19.
Alat takođe ima potencijal za razvoj nosivih uređaja koji prate takve bolesti kao što je kongestivna srčana insuficijencija, što može dovesti do preopterećenja tečnošću u plućima pacijenata, za razliku od COVID-19, rekla je koautorka Tiffani Fong, docentica hitne medicine na Johns Hopkinsu. Lek.
„Ono što ovde radimo sa AI alatima je sledeća velika granica za tačku nege“, rekao je Fong. „Idealan slučaj upotrebe bi bili nosivi ultrazvučni flasteri koji prate nakupljanje tečnosti i obaveštavaju pacijente kada im je potrebno prilagođavanje leka ili kada treba da posete lekara.
AI analizira ultrazvučne slike pluća da bi uočio karakteristike poznate kao B-linije, koje se pojavljuju kao svetle, vertikalne abnormalnosti i ukazuju na upalu kod pacijenata sa plućnim komplikacijama. Kombinuje kompjuterski generisane slike sa stvarnim ultrazvukom pacijenata — uključujući i one koji su tražili negu kod Džon Hopkinsa.
„Morali smo dovoljno dobro da modelujemo fiziku širenja ultrazvuka i akustičnih talasa da bismo dobili verodostojne simulirane slike“, rekao je Bell. „Onda smo morali da napravimo korak dalje da obučimo naše kompjuterske modele da koriste ove simulirane podatke za pouzdano tumačenje stvarnih skeniranja pacijenata sa zahvaćenim plućima.“
Na početku pandemije, naučnici su se borili da koriste veštačku inteligenciju za procenu indikatora COVID-19 na ultrazvučnim slikama pluća zbog nedostatka podataka o pacijentima i zato što su tek počeli da shvataju kako se bolest manifestuje u telu, rekao je Bel.
Njen tim je razvio softver koji može da uči iz mešavine stvarnih i simuliranih podataka, a zatim da uoči abnormalnosti u ultrazvučnim skeniranjima koji ukazuju da je osoba zaražena COVID-19. Alat je duboka neuronska mreža, tip veštačke inteligencije dizajniran da se ponaša kao međusobno povezani neuroni koji omogućavaju mozgu da prepozna obrasce, razume govor i postigne druge složene zadatke.
„Rano u pandemiji, nismo imali dovoljno ultrazvučnih slika pacijenata sa COVID-19 da bismo razvili i testirali naše algoritme, i kao rezultat toga naše duboke neuronske mreže nikada nisu dostigle vrhunske performanse“, rekao je prvi autor Lingii Zhao, koji je razvio softver. dok je postdoktorski saradnik u Bellovoj laboratoriji i sada radi u Novateur Research Solutions. „Sada dokazujemo da pomoću kompjuterski generisanih skupova podataka i dalje možemo postići visok stepen tačnosti u proceni i otkrivanju ovih karakteristika COVID-19.“
