Sztuczna inteligencja przewiduje powikłania COVID-19 na podstawie zdjęcia rentgenowskiego

Jak wskazują specjaliści, istnieje pilna potrzeba, by móc szybko przewidywać, u których pacjentów z COVID-19 mogą wystąpić śmiertelne powikłania, tak aby można było najlepiej dopasować możliwości i zasoby do osób narażonych na szczególne ryzyko. Z nie do końca poznanych przyczyn stan zdrowia niektórych pacjentów z COVID-19 nagle się pogarsza, co wymaga intensywnej opieki i podnosi ryzyko zgonu.

Sztuczna inteligencja przewiduje powikłania COVID-19 na podstawie zdjęcia rentgenowskiego

Opracowany przez naukowców z New York University (NYU) Grossman School of Medicine program wykorzystał do szkolenia kilkaset gigabajtów danych - 5224 zdjęć rentgenowskich klatki piersiowej wykonanych u 2943 ciężko chorych pacjentów zakażonych wirusem SARS-CoV-2.

Oprócz obrazów rentgenowskich w szkoleniu sztucznej inteligencji uwzględnione zostały także wiek, rasa i płeć pacjentów, a także niektóre parametry życiowe i wyniki badań laboratoryjnych, w tym masa i temperatura ciała oraz poziom komórek odpornościowych we krwi. W modelach matematycznych uwzględniono również potrzebę stosowania mechanicznego respiratora i to, czy dany pacjent przeżył (2405), czy zmarł z powodu infekcji (538).

Nabyte przez sztuczną inteligencję umiejętności przewidywania dalszych losów pacjenta zostały następnie przetestowane na 770 zdjęciach rentgenowskich klatki piersiowej 718 innych pacjentów przyjętych z powodu COVID-19 na izby przyjęć szpitali NYU Langone od 3 marca do 28 czerwca 2020 r. W czterech na pięć przypadków program komputerowy dokładnie przewidział, które osoby wymagały intensywnej opieki i wentylacji mechanicznej i/lub zmarły w ciągu czterech dni od przyjęcia.

„Lekarze na izbach przyjęć i radiolodzy potrzebują skutecznych narzędzi, takich jak nasz program, aby szybko zidentyfikować tych pacjentów z COVID-19, których stan najprawdopodobniej ulegnie szybkiemu pogorszeniu, tak aby pracownicy służby zdrowia mogli ich dokładniej monitorować i interweniować wcześniej” - powiedziała współprowadząca badanie Farah Shamout, adiunkt w dziedzinie inżynierii komputerowej na kampusie Uniwersytetu Nowojorskiego w Abu Zabi.

Jak wskazał dr Krzysztof Geras, adiunkt na Wydziale Radiologii New York University w Langone, główną zaletą programów inteligencji maszynowej jest to, że ich dokładność można śledzić, aktualizować i ulepszać dzięki większej ilości danych.

Zespół planuje dodawać więcej informacji o pacjencie, gdy tylko będą dostępne i ocenia, jakie dodatkowe wyniki testów klinicznych można wykorzystać do ulepszenia modelu testowego.

Dr Geras ma nadzieję, że w ramach dalszych badań wkrótce wdroży test klasyfikacyjny NYU COVID-19 do codziennej pracy lekarzy medycyny ratunkowej i radiologów.

PRZECZYTAJ TAKŻE:Rok po hospitalizacji z powodu COVID-19 co trzeci pacjent nadal ma zmiany w płucach [BADANIE]

COVID-19 wpływa destrukcyjnie na układ nerwowy