Διάγνωση του COVID-19 από Ακτινολογικές Εικόνες Θώρακος με την βοήθεια μοντέλου τεχνητής νοημοσύνης

Η ασθένεια COVID-19 που προκαλείται από τον κορονοϊό SARS-CoV-2 έχει επιφέρει μια αναπάντεχη κρίση στο υγειονομικό σύστημα των περισσότερων χωρών του κόσμου, με εκατομμύρια ανθρώπους να έχουν προσβληθεί από τον ιό παγκοσμίως. Η έλλειψη των διαγνωστικών τεστ, ακόμη και σε αναπτυγμένες χώρες, έχει οδηγήσει την ερευνητική κοινότητα να αναζητά ενναλακτικές λύσεις υψηλής ακρίβειας. Η χρήση της ακτινολογικής απεικόνισης (X-ray) του θώρακα σε συνδυασμό με τη χρήση μεθόδων τεχνητής νοημοσύνης μπορεί να προσφέρει σημαντικά πλεονεκτήματα στη διάγνωση του ιού. Ωστόσο η έλλειψη επαρκούς αριθμού δεδομένων θέτει διάφορα προβλήματα στη διαδικασία εκμάθησης των αλγορίθμων. Μια λύση αυτού του προβλήματος επιτυγχάνεται με τη χρήση τεχνικών μεταφοράς γνώσης (transfer learning) από ένα πεδίο όπου υπάρχουν αρκετά δεδομένα σε ένα άλλο με αρκετά λιγότερα. Σε αυτή τη δημοσίευση παρουσιάζουμε ένα μοντέλο τεχνητής νοημοσύνης βασισμένο σε αλγορίθμους βαθιάς μάθησης (deep learning) και τεχνικές μεταφοράς γνώσης (transfer learning) για την αναγνώριση του ιού από ακτινολογικές εικόνες. Επίσης η συγκεκριμένη μέθοδος εμπεριέχει μια τεχνική ερμηνείας των αποφάσεων του μοντέλου, μέσω διάφορων χαρτών σημαντικότητας που εστιάζουν στα πιο σημαντικά σημεία της εικόνας, οι οποίοι αξιολογήθηκαν από δύο ακτινολόγους ιατρούς. Η προτεινόμενη μέθοδος επιτυγχάνει εξαιρετικά αποτελέσματα, με μόλις ένα λάθος σε ένα σύνολο 137 εικόνων, σχετικά με την αναγνώριση του COVID-19 έναντι μιας τυπικής πνευμονίας που έχει προκληθεί από άλλους ιούς ή βακτήρια.

Επιμέλεια-Συγγραφή: Γεώργιος Ζ.ΠαπαδάκηςMD, MPH, PhD
1. Research Associate
Institute of Computer Science (ICS), Computational Biomedicine Laboratory (CBML)
Foundation for Research and Technology Hellas (FORTH), Heraklion, Crete, Greece    N. Plastira 100, Vassilika Vouton

2. Adjunct Lecturer      Department of Medical Imaging, University Hospital of Heraklion,      Faculty of Medicine, University of Crete, Greece. 
3.  Special Volunteer     National Institute of Dental and Craniofacial Research (NIDCR), 
National Institutes of Health (NIH), Bethesda, MD, USA.

Περισσότερα Άρθρα

Σχετικά Άρθρα

Νέες Δημοσιεύσεις

1ο Διεθνές Συνέδριο Επεμβατικής Καρδιολογίας – ICE 2022

Η Ελληνική Καρδιολογική Εταιρεία σε συνεργασία με τον Παγκύπριο Ιατρικό Σύλλογο διοργανώνουν το Διεθνές Συνέδριο ICE στο Ηράκλειο  Κρήτης, στις 2-4 Δεκεμβρίου 2022 στο ξενοδοχείο Atlantis. Το...

Ιατρική σχολή Πανεπιστημίου Κρήτης: Στην τελική φάση προετοιμασίας πρωτοκόλλου για τη δωρεά σώματος

Ενδείξεις για αύξηση των δωρητών σώματος ύστερα από το παράδειγμα του Κώστα Καζάκου Η λατινική ρήση «Mortui vivos docent» που σημαίνει «Οι νεκροί διδάσκουν τους...

Χορήγηση Paxlovid σε περιστατικά Covid-19: Mικρότερη πιθανότητα νοσηλείας κατά 51%

Το Paxlovid παρέχει προστασία έναντι σοβαρών εκβάσεων που σχετίζονται με την COVID-19, συμπεριλαμβανομένων εκείνων με ανοσία που παρέχεται από το εμβόλιο, σύμφωνα με μελέτη. Η εν λόγω...

Ετικέτες