ИИ отличает COVID-19 от других пневмоний

Исследователи из Китая разработали алгоритм искусственного интеллекта (ИИ), который точно обнаруживает COVID-19 и отличает его от внебольничной пневмонии и других заболеваний легких. Они поделились своими результатами в статье, опубликованной на сайте pubs.rsna.org в разделе «Радиология».

В многоцентровом исследовании соавторы Лин Ли из Уханьской народной больницы Хуанпи и Лисинь Цинь из Уханьской больницы легочных заболеваний и их коллеги разработали COVNet – модель глубокого обучения, которая может выявлять COVID-19 по компьютерным томограммам грудной клетки с показателем площади под ROC-кривой (AUC), равным 0.96 (очень высокий показатель точности). Более того, он также может идентифицировать внебольничную пневмонию с AUC 0.95 и иные патологические состояния легких, не связанные с пневмонией.

«Результаты показывают, что подход машинного обучения, использующий модель сверточных сетей, позволяет отличить COVID-19 от внебольничной пневмонии», – пишут авторы.

Чтобы разработать модель глубокого обучения, которая могла бы справиться с трудной задачей дифференциации COVID-19 и других типов пневмонии по компьютерным томограммам, исследователи проанализировали ретроспективные данные 3D объемных КТ-обследований грудной клетки 1296 пациентов с COVID-19, 1735 пациентов с пневмонией и 1325 случаев с отсутствием пневмонии из шести центров в Китае. В группу, не относящуюся к пневмонии, входили пациенты без заболевания легких, узелков в легких, хронического воспаления, хронической обструктивной болезни легких и прочих болезней (например, пневмоторакс или дивертикул трахеи).

Изображения КТ были получены на оборудовании разных производителей, но со стандартными протоколами визуализации. По словам исследователей, все случаи COVID-19 были подтверждены тестированием нуклеиновых кислот с помощью полимеразной цепной реакции с обратной транскрипцией (ОТ-ПЦР) в период с 31 декабря 2019 года по 17 февраля 2020 года.

Из анализируемых снимков 90% случайно выбранных были помещены в базу обучающих данных. Оставшиеся 10% были использованы для валидации и тестирования COVNet. После анализа изображения COVNet предоставляет оценку вероятности для каждого из трех состояний: COVID-19, внебольничная пневмония и отсутствие пневмонии.

Кроме того, модель предоставляет карту, на которой выделены области изображения, которые привели к решению об отнесении случая к одному из трех классов. В среднем алгоритм обрабатывал каждое изображение КТ в течение 4,51 секунды.

Исследователи подчеркнули, что ни один метод не сможет дифференцировать все заболевания легких, основываясь только на КТ грудной клетки.

«На снимках КТ результаты всех вирусных пневмоний частично совпадают с другими заболеваниями грудной клетки, так что для окончательного диагноза, предваряющего лечение пациентов, должен использоваться междисциплинарный подход», – пишут они.

Авторы также отметили, что модель фокусируется на выявлении наличия COVID-19, но не классифицирует заболевание по степени тяжести. По их мнению, обучение этому должно стать следующим шагом в развитии COVNet.

Оригинал новости можно прочитать здесь