Tεχνητή Nοημοσύνη: Η τεχνητή νοημοσύνη θα μπορούσε να διευκολύνει τη χειμερινή επιβάρυνση των νοσοκομείων. Πηγή: Πανεπιστήμιο της Δυτικής Σκωτίας Η πρωτοποριακή τεχνητή νοημοσύνη (AI) που διαγιγνώσκει αυτόματα πνευμονικές ασθένειες -όπως η φυματίωση και η πνευμονία- θα μπορούσε να μειώσει τις χειμερινές πιέσεις στα νοσοκομεία, πιστεύουν ερευνητές του Πανεπιστημίου της Δυτικής Σκωτίας. Η φυματίωση και η πνευμονία -ενδεχομένως σοβαρές λοιμώξεις που προσβάλλουν κυρίως τους πνεύμονες- συχνά απαιτούν συνδυασμό διαφορετικών διαγνωστικών εξετάσεων,- όπως αξονικές τομογραφίες, εξετάσεις αίματος, ακτινογραφίες και υπερήχους. Αυτές οι εξετάσεις μπορεί να είναι δαπανηρές, με συχνά μακρύ χρόνο αναμονής για τα αποτελέσματα.
Η επαναστατική τεχνολογία που αναπτύχθηκε από το Πανεπιστήμιο της Δυτικής Σκωτίας (UWS) -η οποία δημιουργήθηκε αρχικά για την ταχεία ανίχνευση της COVID-19 από εικόνες ακτίνων Χ- έχει αποδειχθεί ότι μπορεί να εντοπίσει αυτόματα μια σειρά από διαφορετικές πνευμονικές παθήσεις μέσα σε λίγα λεπτά, με ακρίβεια περίπου 98%. Ο ερευνητής του Πανεπιστημίου της Δυτικής Σκωτίας (UWS), καθηγητής Naeem Ramzan, δήλωσε: “Συστήματα όπως αυτό θα μπορούσαν να αποδειχθούν ζωτικής σημασίας για τις πολυάσχολες ιατρικές ομάδες παγκοσμίως”. Ελπίζεται ότι η τεχνολογία μπορεί να χρησιμοποιηθεί για να συμβάλει στην ανακούφιση των πιεσμένων νοσοκομειακών τμημάτων μέσω της γρήγορης και ακριβούς ανίχνευσης της νόσου, απαλλάσσοντας τους ακτινολόγους που έχουν συνεχώς μεγάλη ζήτηση, μειώνοντας τους χρόνους αναμονής για τα αποτελέσματα των εξετάσεων και δημιουργώντας αποτελεσματικότητα στη διαδικασία των εξετάσεων.
Ο καθηγητής Ramzan, διευθυντής του ερευνητικού κέντρου Συναισθηματική και ανθρώπινη πληροφορική για περιβάλλοντα SMART (Affective and Human Computing for SMART Environments) στο Πανεπιστήμιο της Δυτικής Σκωτίας (UWS), ηγήθηκε της ανάπτυξης της τεχνολογίας, μαζί με τους διδακτορικούς φοιτητές του Πανεπιστημίου της Δυτικής Σκωτίας (UWS) Gabriel Okolo και Dr. Stamos Katsigiannis. Ο καθηγητής Ramzan πρόσθεσε: “Δεν υπάρχει καμία αμφιβολία ότι τα νοσοκομειακά τμήματα σε όλον τον κόσμο βρίσκονται υπό πίεση και το ξέσπασμα της COVID-19 το επιδείνωσε αυτό, προσθέτοντας περαιτέρω πίεση στα πιεσμένα τμήματα και το προσωπικό. Υπάρχει πραγματική ανάγκη για τεχνολογία που μπορεί να βοηθήσει στην ανακούφιση ορισμένων από αυτές τις πιέσεις και να ανιχνεύσει μια σειρά διαφορετικών ασθενειών γρήγορα και με ακρίβεια, βοηθώντας στην απελευθέρωση πολύτιμου χρόνου του προσωπικού. “Η απεικόνιση με ακτίνες Χ είναι ένα σχετικά φθηνό και προσιτό διαγνωστικό εργαλείο που ήδη βοηθά στη διάγνωση διαφόρων παθήσεων, συμπεριλαμβανομένης της πνευμονίας, της φυματίωσης και της COVID-19. Οι πρόσφατες εξελίξεις στην τεχνητή νοημοσύνη έχουν καταστήσει την αυτοματοποιημένη διάγνωση με τη χρήση ακτινογραφιών θώρακος μια πολύ πραγματική προοπτική σε ιατρικά περιβάλλοντα”.
Η υπερσύγχρονη τεχνική χρησιμοποιεί την τεχνολογία ακτίνων Χ, συγκρίνοντας τις σαρώσεις με μια βάση δεδομένων με χιλιάδες εικόνες από ασθενείς με πνευμονία, φυματίωση και COVID. Στη συνέχεια χρησιμοποιεί μια διαδικασία γνωστή ως βαθύ νευρωνικό δίκτυο συνελίξεων – έναν αλγόριθμο που χρησιμοποιείται συνήθως για την ανάλυση οπτικών εικόνων – για να κάνει διάγνωση. Κατά τη διάρκεια μιας εκτεταμένης φάσης δοκιμών, η τεχνική αποδείχθηκε ακριβής κατά 98%. Ο καθηγητής Milan Radosavljevic, αντιπρόεδρος του UWS για την έρευνα, την καινοτομία και τη δέσμευση, δήλωσε: “Τα νοσοκομεία σε όλον τον κόσμο βρίσκονται υπό συνεχή πίεση. Αυτό μπορεί να παρατηρηθεί σε όλο το Ηνωμένο Βασίλειο, καθώς το φανταστικό μας Εθνικό Σύστημα Υγείας NHS συνεχίζει να υφίσταται τεράστια πίεση, με το σκληρά πιεσμένο ιατρικό προσωπικό να σηκώνει το βάρος. “Είμαι ενθουσιασμένος με τις δυνατότητες αυτής της καινοτόμου τεχνολογίας, η οποία θα μπορούσε να συμβάλει στον εξορθολογισμό των διαγνωστικών διαδικασιών και στη μείωση της καταπόνησης του προσωπικού.
“Πρόκειται για ένα ακόμα παράδειγμα στοχευμένης, επιδραστικής έρευνας στο Πανεπιστήμιο της Δυτικής Σκωτίας (UWS), καθώς προσπαθούμε να βρούμε λύσεις σε παγκόσμιες προκλήσεις”. Οι ερευνητές του Πανεπιστημίου της Δυτικής Σκωτίας (UWS) διερευνούν τώρα την καταλληλότητα της τεχνολογίας για την ανίχνευση άλλων ασθενειών με τη χρήση εικόνων ακτίνων Χ, όπως ο καρκίνος. Περισσότερες πληροφορίες: Gabriel Iluebe Okolo et al, IEViT: An enhanced vision transformer architecture for chest X-ray image classification, Computer Methods and Programs in Biomedicine (2022). DOI: 10.1016/j.cmpb.2022.107141