"Αυτή η προσέγγιση για την αυτόματη ανίχνευση και ταξινόμηση ιατρικών εικόνων μπορεί να βοηθήσει τους γιατρούς να εντοπίσουν, να μετρήσουν τη σοβαρότητα και να ταξινομήσουν την ασθένεια."
Ακτίνες Χ Τεχνητή Νοημοσύνη: Οι ακτινογραφίες, που χρησιμοποιήθηκαν για πρώτη φορά κλινικά στα τέλη της δεκαετίας του 1890, θα μπορούσαν να είναι ένα κορυφαίο διαγνωστικό εργαλείο για ασθενείς με COVID-19 με τη βοήθεια της τεχνητής νοημοσύνης, σύμφωνα με μια ομάδα ερευνητών στη Βραζιλία. Χρησιμοποίησαν μεθόδους μηχανικής εκμάθησης για να διδάξουν ένα πρόγραμμα υπολογιστή για την ανίχνευση COVID-19 σε ακτινογραφίες θώρακα με ακρίβεια 95,6 έως 98,5%. Δημοσίευσαν τα αποτελέσματά τους στο IEEE / CAA Journal of Automatica Sinica. Οι ερευνητές είχαν προηγουμένως επικεντρωθεί στην ανίχνευση και την ταξινόμηση των παθολογικών πνευμόνων, όπως η ίνωση, το εμφύσημα και τα οζίδια των πνευμόνων μέσω ιατρικής απεικόνισης.
Τα συνηθισμένα συμπτώματα που παρουσιάζονται από ύποπτες λοιμώξεις COVID-19 περιλαμβάνουν αναπνευστική δυσχέρεια, βήχα και σε πιο επιθετικές περιπτώσεις, πνευμονία – όλα ορατά μέσω ιατρικής απεικόνισης, όπως αξονική τομογραφία ή ακτινογραφίες. “Όταν εμφανίστηκε η πανδημία COVID-19, συμφωνήσαμε να χρησιμοποιήσουμε την τεχνογνωσία μας για να βοηθήσουμε στην αντιμετώπιση αυτού του νέου παγκόσμιου προβλήματος”, δήλωσε ο συγγραφέας Victor Hugo C. de Albuquerque, ερευνητής στο Εργαστήριο Επεξεργασίας Εικόνας, Σημάτων και Εφαρμοσμένων Υπολογισμών και με το Universidade de Fortaleza.
Πολλές ιατρικές εγκαταστάσεις έχουν ανεπαρκή αριθμό δοκιμών και μακροχρόνιους χρόνους επεξεργασίας, δήλωσε ο Albuquerque, οπότε η ερευνητική ομάδα επικεντρώθηκε στη βελτίωση ενός εργαλείου που είναι άμεσα διαθέσιμο σε κάθε νοσοκομείο και χρησιμοποιείται ήδη συχνά για τη διάγνωση συσκευών ακτίνων Χ COVID-19: “Αποφασίσαμε να διερευνήσουμε εάν μια μόλυνση COVID-19 θα μπορούσε να εντοπιστεί αυτόματα χρησιμοποιώντας εικόνες ακτίνων Χ”, δήλωσε ο Albuquerque, σημειώνοντας ότι οι περισσότερες εικόνες ακτίνων Χ είναι διαθέσιμες μέσα σε λίγα λεπτά, σε σύγκριση με τις ημέρες που απαιτούνται για διαγνωστικές εξετάσεις επιχρίσματος ή σάλιου.
Ωστόσο, οι ερευνητές διαπίστωσαν την έλλειψη διαθέσιμων στο κοινό ακτινογραφιών θώρακα για να εκπαιδεύσουν το μοντέλο τους τεχνητής νοημοσύνης για να εντοπίσουν τους πνεύμονες των ασθενών με COVID-19. Αν και χρειάζονται συνήθως χιλιάδες εικόνες για να διδάξουν ένα μοντέλο για τον εντοπισμό και την ταξινόμηση ενός συγκεκριμένου στόχου, είχαν μόλις 194 ακτίνες Χ COVID-19 και 194 υγιείς ακτίνες Χ. Για να αντισταθμίσουν, πήραν ένα μοντέλο εκπαιδευμένο σε ένα μεγάλο σύνολο δεδομένων άλλων εικόνων ακτίνων Χ και το εκπαίδευσαν να χρησιμοποιεί τις ίδιες μεθόδους για την ανίχνευση των πνευμόνων που πιθανώς έχουν μολυνθεί με COVID-19. Χρησιμοποίησαν διάφορες μεθόδους μηχανικής εκμάθησης, δύο από τις οποίες κατέληξαν σε βαθμολογία ακρίβειας 95,6% και 98,5%, αντίστοιχα.
“Δεδομένου ότι οι ακτίνες Χ είναι πολύ γρήγορες και φθηνές, μπορούν να βοηθήσουν στη μεταφορά των ασθενών σε μέρη όπου το σύστημα υγειονομικής περίθαλψης έχει καταρρεύσει ή σε μέρη που απέχουν πολύ από μεγάλα κέντρα με πρόσβαση σε πιο πολύπλοκες τεχνολογίες”, δήλωσε ο Albuquerque. “Αυτή η προσέγγιση για την αυτόματη ανίχνευση και ταξινόμηση ιατρικών εικόνων μπορεί να βοηθήσει τους γιατρούς να εντοπίσουν, να μετρήσουν τη σοβαρότητα και να ταξινομήσουν την ασθένεια.” Στη συνέχεια, δήλωσε ο Albuquerque, οι ερευνητές σκοπεύουν να συνεχίσουν να δοκιμάζουν τη μέθοδό τους με μεγαλύτερα σύνολα δεδομένων, όταν αυτά είναι διαθέσιμα, με απώτερο στόχο την ανάπτυξη μιας δωρεάν διαδικτυακής πλατφόρμας για την ταξινόμηση ιατρικών εικόνων.
Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον ΚόσμοΑκολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube
