COVID-19 pandeemia vallutas maailma 2020. aasta alguses ja on sellest ajast peale saanud peamiseks surmapõhjuseks mitmes riigis, sealhulgas Hiinas, USA-s, Hispaanias ja Ühendkuningriigis. Teadlased töötavad ulatuslikult COVID-19 nakkuste diagnoosimise praktiliste meetodite väljatöötamise kallal ja paljud neist on keskendunud sellele, kuidas tehisintellekti (AI) saaks sellel eesmärgil kasutada.
Mitmed uuringud on teatanud, et tehisintellektil põhinevaid süsteeme saab kasutada COVID-19 tuvastamiseks rindkere röntgenipiltidel, kuna haigus kipub tekitama kopsudes mäda ja vett sisaldavaid piirkondi, mis ilmnevad röntgenpildil valgete laikudena. . Kuigi on välja pakutud erinevaid sellel põhimõttel põhinevaid diagnostilisi tehisintellekti mudeleid, on nende täpsuse, kiiruse ja rakendatavuse parandamine endiselt esmatähtis.
Nüüd on Korea Incheoni riikliku ülikooli professori Gwanggil Jeoni juhitud teadlaste meeskond välja töötanud automaatse COVID-19 diagnoosimise raamistiku, mis muudab asjad kahe võimsa tehisintellektil põhineva tehnika kombineerimisega uueks. Nende süsteemi saab treenida täpselt eristama COVID-19 patsientide ja mitte-COVID-19 patsientide rindkere röntgenipilte. Nende paber tehti veebis kättesaadavaks 27. oktoobril 2021 ja avaldati 21. novembril 2021 IEEE Internet of Things Journali 8. köites, 21. numbris.
Kaks algoritmi, mida teadlased kasutasid, olid Faster R-CNN ja ResNet-101. Esimene neist on masinõppel põhinev mudel, mis kasutab piirkonna ettepanekute võrku, mida saab koolitada sisendpildil asjakohaseid piirkondi tuvastama. Teine on süvaõppega närvivõrk, mis koosneb 101 kihist, mida kasutati selgroona. Kui ResNet-101 on piisavalt sisendandmetega koolitatud, on see võimas mudel pildituvastuseks. "Meie teadmiste kohaselt on meie lähenemisviis esimene, mis ühendab ResNet-101 ja Faster R-CNN-i COVID-19 tuvastamiseks," märgib prof Jeon. "Pärast oma mudeli koolitamist 8800 röntgenpildiga saime tähelepanuväärne täpsus 98%.
Uurimisrühm usub, et nende strateegia võib osutuda kasulikuks COVID-19 varajaseks avastamiseks haiglates ja rahvatervise keskustes. Tehisintellekti tehnoloogial põhinevate automaatsete diagnostikameetodite kasutamine võib vähendada radioloogide ja teiste meditsiiniekspertide tööd ja survet, kuna neil on pandeemia algusest peale olnud tohutu töökoormus. Veelgi enam, kui moodsamad meditsiiniseadmed saavad Interneti-ühenduse, on kavandatud mudelisse võimalik edastada tohutul hulgal treeningandmeid; Selle tulemuseks on veelgi suurem täpsus ja mitte ainult COVID-19 puhul, nagu ütleb prof Jeon: "Meie uuringus kasutatud sügavõppe lähenemisviis on rakendatav teist tüüpi meditsiiniliste piltide puhul ja seda saab kasutada erinevate haiguste diagnoosimiseks."
