به گزارش پایگاه خبری تحلیلی تسریر، به نقل از خبرگزاری آنا، محققان یک الگوریتم هوش مصنوعی مبتنی بر یادگیری عمیق توسعه داده‌اند که به صورت خودکار تصویربرداری اشعه ایکس از قفسه سینه را برای تشخیص سریع عفونت کووید -۱۹ (COVID-۱۹) با دقت بیش از ۹۸ درصد تجزیه و تحلیل می‌کند و بین تصاویر اشعه ایکس قفسه سینه افراد طبیعی و مبتلا به ذات الریه که اغلب با علائم مشابه کووید -۱۹ همراه است، تمایز قائل می‌شود.
آزمایش واکنش زنجیره‌ای پلیمراز رونویسی معکوس که به اختصار «آر تی- پی سی آر» (RT – PCR) نام دارد، رایج‌ترین روش تشخیص عفونت کووید -۱۹ است؛ اما در استفاده از این تست مشکلاتی وجود دارد: هزینه‌بر است، اعلام نتایج می‌تواند کند و مستعد تولید منفی کاذب باشد. به عنوان یک عامل کمکی، سی تی اسکن و اشعه ایکس از قفسه سینه نیز در تشخیص و مدیریت به موقع عفونت‌های واگیردار به خصوص زمانی که «آر تی- پی سی آر» نتیجه منفی می‌دهد، می‌تواند موثر باشد.
ساده‌کردن فرآیند تشخیص کرونا با هوش مصنوعی
کووید -۱۹ امضای رادیولوژیکی خاصی در اشعه ایکس قفسه سینه تولید می‌کند که رادیولوژیست‌ها از آن برای تشخیص عفونت با ویروس استفاده می‌کنند. با این حال، بررسی دقیق اشعه ایکس برای نشانه‌های عفونت زمان بر است و چون به چشم انسان وابسته است، ممکن است همیشه دقیق نباشد. بنابراین، محققان دانشگاه فناوری سیدنی (UTS) از هوش مصنوعی برای ساده کردن فرآیند تشخیص کمک گرفتند.
امیر گندمی، نویسنده این مطالعه می‌گوید: رایج‌ترین آزمایش کووید -۱۹، «آر تی- پی سی آر»، می‌تواند آهسته و پرهزینه باشد و منفی کاذب ایجاد کند. برای تأیید تشخیص، رادیولوژیست‌ها باید سی تی اسکن یا اشعه ایکس را به صورت دستی بررسی کنند که می‌تواند زمان‌بر و مستعد خطا باشد. عامل پیچیده دیگر این است که تشخیص علائم عفونت کووید -۱۹ یعنی تب، سرفه، دشواری تنفس و گلودرد می‌تواند از سایر عفونت‌های ویروسی تنفسی مانند آنفلوآنزا یا ذات الریه دشوار باشد.
سال‌های اخیر، الگوریتم‌های یادگیری ماشین در پزشکی محبوبیت پیدا کرده اند و به پزشکان در تشخیص بیماری پارکینسون، سرطان سینه و پیش بینی سکته مغزی و نارسایی قلبی کمک می‌کنند. یادگیری عمیق، یکی از زیرشاخه‌های هوش مصنوعی است که می‌تواند بدون نیاز به استخراج دستی ویژگی ها، نتایج دقیقی از داده‌های ورودی تولید کند. در مطالعه فعلی، محققان یک الگوریتم مبتنی بر یادگیری عمیق به نام شبکه عصبی پیچشی یا همگشتی سفارشی توسعه داده‌اند که به طور خاص برای تشخیص کووید -۱۹ طراحی شده است.
برای آزمایش و آموزش مدل هوش مصنوعی محققان از دو مجموعه داده اشعه ایکس قفسه سینه استفاده می‌کند. این مجموعه داده‌ها شامل سه دسته از تصاویر اشعه ایکس قفسه سینه بود: طبیعی، کرونا مثبت و ذات الریه ویروسی. برای آموزش این مدل هوش مصنوعی ۸۰ درصد تصاویرمورد استفاده قرار گرفت و ۲۰ درصد باقی‌مانده برای آزمایش مدل در نظر گرفته شد.
تشخیص عفونت‌های ریه با دقت ۹۸.۱۹ درصدی
هدف از این مطالعه ارزیابی اثربخشی مدل در بررسی روابط مختلف از جمله کرونا و ذات الریه ویروسی، ذات الریه طبیعی و ویروسی و کرونا و نرمال و ارتباط بین سه دسته تصاویر اشعه ایکس بود. نتایج نشان می‌دهد که این مدل هوش مصنوعی به دقت طبقه‌بندی ۹۸.۱۹ درصد در طبقه‌بندی نمونه‌های تصویر کرونا، نرمال و ذات الریه دست یافت. با مقایسه نتایج این مدل با نتایج به‌دست‌آمده با استفاده از مدل‌های دیگر، شبکه عصبی همگشتی سفارشی از همه آن‌ها بهترعمل کرد.
گندمی گفت: یادگیری عمیق یک راه حل نهایی ارائه می‌دهد و نیاز به جستجوی دستی نشانگر‌های زیستی را از بین می‌برد. این مدل هوش مصنوعی فرآیند تشخیص کووید -۱۹ را ساده‌تر سریع‌تر و دقیق‌تر می‌کند.
تشخیص زودهنگام عفونت کووید -۱۹می‌تواند تضمین کند که بیماران درمان صحیح از جمله دارو‌های ضد ویروسی را دریافت می‌کنند که اگر ظرف پنج روز پس از شروع علائم مصرف شوند، بهترین عملکرد را خواهند داشت.
گندمی گفت: سیستم جدید هوش مصنوعی می‌تواند به ویژه در کشور‌هایی که سطح بالایی از کووید -۱۹ را تجربه می‌کنند و در آن‌ها کمبود رادیولوژیست وجود دارد، مفید باشد. درحالی که تصویربرداری اشعه ایکس قفسه سینه قابل حمل است، به طور گسترده در دسترس است و نسبت به سی‌تی اسکن تشعشعات کمتری دارد.
این مطالعه در مجله «ساینتیفیک ریپورتس» (Scientific Reports) منتشر شده است.
انتهای پیام
