تشخیص کووید

ایسنا/خراسان رضوی محققان دانشگاه نورث وسترن امریکا (NU) پلتفرم جدید هوش مصنوعی (AI) به نام Deep COVID-XR برای تشخیص کووید-۱۹ را با تجزیه و تحلیل تصاویر اشعه ایکس از ریه ها تولید کرده اند.
به گزارش شینهوا نت، الگوریتم یادگیری ماشین با ردیابی کووید-۱۹ در اشعه ایکس حدود ۱۰ برابر سریع تر و یک تا ۶ درصد با دقت بیشتر و بهتر نسبت به گروهی از رادیولوژیست های تخصصی قفسه سینه عمل کرده است.
برای توسعه، آموزش و آزمایش الگوریتم جدید، محققان از ۱۷۰۰۲ عکس اشعه ایکس قفسه سینه استفاده کردند. این تصاویر مربوط به ۵۴۴۵ مورد از بیماران کووید-۱۹ مثبت از مراکز سراسر نظام بهداشت و درمان نورث وسترن است.
محققان سپس DeepCOVID-XR را در برابر پنج رادیولوژیست کاردیوتوراسیک (قلبی- صدری) مجرب و آموزش دیده روی ۳۰۰ تصویرآزمایشی از بیمارستان لیک فارست بطور تصادفی آزمایش کردند. هر رادیولوژیست برای بررسی این مجموعه از تصاویر حدود دو ساعت و نیم تا سه ساعت و نیم وقت صرف کرد، در حالی که با سیستم هوش مصنوعی این بررسی حدود ۱۸ دقیقه به طول انجامید.
دقت رادیولوژیست ها بین ۷۶ تا ۸۱ درصد بود و DeepCOVID-XR با دقت ۸۲ درصد کمی بهتر عمل کرد.
آگلوس کاتساگلوس، متخصص هوش مصنوعی و محقق ارشد این مطالعه گفت: "رادیولوژی گران است و همیشه در دسترس نیست. اشعه ایکس ارزان بوده و در حال حاضر یکی از عناصر رایج مراقبت های روزمره است و می تواند به طور بالقوه در هزینه و زمان صرفه جویی کند، بخصوص اینکه تنظیم وقت هنگام بررسی کووید-۱۹ بسیار حیاتی است. "
محققان نورث وسترن این الگوریتم را در دسترس عموم قرار داده اند با این امید که دیگران بتوانند با داده های جدید به آموزش آن ادامه دهند. لازم به ذکر است، DeepCOVID-XR هنوز در مرحله تحقیق است، اما به طور بالقوه می تواند در آینده در محیط بالینی استفاده شود.
این مطالعه در مجله رادیولوژی منتشر شده است.
انتهای پیام
به گزارش شینهوا نت، الگوریتم یادگیری ماشین با ردیابی کووید-۱۹ در اشعه ایکس حدود ۱۰ برابر سریع تر و یک تا ۶ درصد با دقت بیشتر و بهتر نسبت به گروهی از رادیولوژیست های تخصصی قفسه سینه عمل کرده است.
برای توسعه، آموزش و آزمایش الگوریتم جدید، محققان از ۱۷۰۰۲ عکس اشعه ایکس قفسه سینه استفاده کردند. این تصاویر مربوط به ۵۴۴۵ مورد از بیماران کووید-۱۹ مثبت از مراکز سراسر نظام بهداشت و درمان نورث وسترن است.
محققان سپس DeepCOVID-XR را در برابر پنج رادیولوژیست کاردیوتوراسیک (قلبی- صدری) مجرب و آموزش دیده روی ۳۰۰ تصویرآزمایشی از بیمارستان لیک فارست بطور تصادفی آزمایش کردند. هر رادیولوژیست برای بررسی این مجموعه از تصاویر حدود دو ساعت و نیم تا سه ساعت و نیم وقت صرف کرد، در حالی که با سیستم هوش مصنوعی این بررسی حدود ۱۸ دقیقه به طول انجامید.
دقت رادیولوژیست ها بین ۷۶ تا ۸۱ درصد بود و DeepCOVID-XR با دقت ۸۲ درصد کمی بهتر عمل کرد.
آگلوس کاتساگلوس، متخصص هوش مصنوعی و محقق ارشد این مطالعه گفت: "رادیولوژی گران است و همیشه در دسترس نیست. اشعه ایکس ارزان بوده و در حال حاضر یکی از عناصر رایج مراقبت های روزمره است و می تواند به طور بالقوه در هزینه و زمان صرفه جویی کند، بخصوص اینکه تنظیم وقت هنگام بررسی کووید-۱۹ بسیار حیاتی است. "
محققان نورث وسترن این الگوریتم را در دسترس عموم قرار داده اند با این امید که دیگران بتوانند با داده های جدید به آموزش آن ادامه دهند. لازم به ذکر است، DeepCOVID-XR هنوز در مرحله تحقیق است، اما به طور بالقوه می تواند در آینده در محیط بالینی استفاده شود.
این مطالعه در مجله رادیولوژی منتشر شده است.
انتهای پیام
پرسش و پاسخ در
تشخیص کووید
گفتگو با هوش مصنوعی