Το πρώτο σύστημα τεχνητής νοημοσύνης που κάνει γρήγορη και ακριβή διάγνωση της Covid-19

Επιστήμονες από τις ΗΠΑ και την Κίνα ανέπτυξαν τους πρώτους αλγόριθμους τεχνητής νοημοσύνης (μηχανικής μάθησης) που, αναλύοντας τομογραφίες πνευμόνων και το κλινικό ιστορικό των ασθενών, μπορούν γρήγορα και με ακρίβεια να εντοπίσουν όσους πάσχουν από τη νόσο Covid-19, την οποία προκαλεί ο κορονοϊός SARS-CoV-2. Το «έξυπνο» διαγνωστικό σύστημα έχει ακρίβεια 92%, τουλάχιστον ανάλογη με εκείνη ενός έμπειρου ακτινολόγου ή πνευμονολόγου.

Η ταχεία και ακριβής διάγνωση της Covid-19 θεωρείται ζήτημα επείγουσας ανάγκης. Η σημερινή μέθοδος, που βασίζεται στο μοριακό τεστ PCR, μπορεί να πάρει έως δύο μέρες, ενώ ίσως χρειαστεί και επαναληπτικό τεστ για να αποκλειστεί η πιθανότητα ενός ψευδώς αρνητικού πρώτου αποτελέσματος. Η τομογραφία θώρακος αποτελεί ένα πρόσθετο πολύτιμο εργαλείο αξιολόγησης σε περίπτωση ύποπτης λοίμωξης Covid-19, όμως η εν λόγω απεικονιστική εξέταση από μόνη της δεν μπορεί να αποκλείσει ότι ο ασθενής πάσχει από κάποια άλλη ασθένεια των πνευμόνων. Επιπλέον, ορισμένοι ασθενείς στα αρχικά στάδια της Covid-19 μπορεί να εμφανίζουν φυσιολογικές τομογραφίες πνευμόνων.

Οι ερευνητές, με επικεφαλής τους Γιανγκ Γιανγκ και Ιλάνα Νίκραβες της Ιατρικής Σχολής Icahn του νοσοκομείου «Όρος Σινά» στη Νέα Υόρκη, που έκαναν τη σχετική δημοσίευση στο ιατρικό περιοδικό «Nature Medicine», ανέπτυξαν ειδικούς αλγόριθμους που συνυπολογίζουν τα ευρήματα των τομογραφιών και των κλινικών συμπτωμάτων, καθώς επίσης το ιστορικό κάθε ασθενούς και άλλα εργαστηριακά τεστ, διακρίνοντας έτσι ποιος ασθενής έχει Covid-19 και ποιος όχι.

Η εκπαίδευση και ο έλεγχος του συστήματος τεχνητής νοημοσύνης έγινε σε ιατρικά δεδομένα από 905 ασθενείς ηλικίας ενός έως 91 ετών σε 18 ιατρικά κέντρα της Κίνας, από τους οποίους ασθενείς οι 419 είχαν διαγνωστεί θετικοί στο νέο κορονοϊό. Το σύστημα κατάφερε να βελτιώσει τη διάγνωση της Covid-19, καθώς διαπίστωσε σωστά ότι οι 17 από τους 25 ασθενείς, τους οποίους οι ακτινολόγοι είχαν όλους θεωρήσει αρνητικούς, στην πραγματικότητα είχαν αρρωστήσει από τον SARS-CoV-2.

Σύνδεσμος για την επιστημονική δημοσίευση:
https://www.nature.com/articles/s41591-020-0931-3

Πηγή: ΑΠΕ-ΜΠΕ