ИИ отличает COVID-19 от других пневмоний

Время чтения: 2 мин.

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.

Выполнение модели глубокого обучения для COVID-19
  Не пневмония Внебольничная пневмония COVID-19
чувствительность 94% 87% 90%
 
специфичность 96% 92% 96%
AUS 0,98 0,95 0,96

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

Поделиться