Pandémia COVID-19 zasiahla svet začiatkom roka 2020 a odvtedy sa stala hlavnou príčinou úmrtí vo viacerých krajinách vrátane Číny, USA, Španielska a Spojeného kráľovstva. Výskumníci intenzívne pracujú na vývoji praktických spôsobov diagnostiky infekcií COVID-19 a mnohí z nich zamerali svoju pozornosť na to, ako by sa na tento účel dala využiť umelá inteligencia (AI).
Niekoľko štúdií uvádza, že systémy založené na AI možno použiť na detekciu COVID-19 na röntgenových snímkach hrudníka, pretože ochorenie má tendenciu vytvárať oblasti s hnisom a vodou v pľúcach, ktoré sa na röntgenových snímkach prejavujú ako biele škvrny. . Hoci boli navrhnuté rôzne diagnostické modely AI založené na tomto princípe, hlavnou prioritou zostáva zlepšenie ich presnosti, rýchlosti a použiteľnosti.
Tím vedcov vedený profesorom Gwanggilom Jeonom z Národnej univerzity Incheon v Kórei teraz vyvinul systém automatickej diagnostiky COVID-19, ktorý spája dve výkonné techniky založené na AI. Ich systém môže byť trénovaný tak, aby presne rozlišoval medzi röntgenovými snímkami hrudníka pacientov s COVID-19 od pacientov, ktorí nie sú COVID-19. Ich dokument bol sprístupnený online 27. októbra 2021 a uverejnený 21. novembra 2021 vo zväzku 8, číslo 21 časopisu IEEE Internet of Things Journal.
Výskumníci použili dva algoritmy Faster R-CNN a ResNet-101. Prvým z nich je model založený na strojovom učení, ktorý využíva sieť návrhov regiónov, ktoré možno trénovať na identifikáciu relevantných regiónov vo vstupnom obrázku. Druhým je neurónová sieť s hlbokým učením sa pozostávajúca zo 101 vrstiev, ktorá bola použitá ako chrbtica. ResNet-101, keď je trénovaný s dostatkom vstupných údajov, je výkonným modelom na rozpoznávanie obrázkov. „Pokiaľ je nám známe, náš prístup je prvý, ktorý kombinuje ResNet-101 a Faster R-CNN na detekciu COVID-19,“ poznamenáva Prof. Jeon, „Po školení nášho modelu s 8800 röntgenovými snímkami sme získali pozoruhodná presnosť 98 %.”
Výskumný tím verí, že ich stratégia by sa mohla ukázať ako užitočná na včasné odhalenie COVID-19 v nemocniciach a verejných zdravotníckych strediskách. Používanie automatických diagnostických techník založených na technológii AI by mohlo ubrať nejakú prácu a tlak na rádiológov a iných lekárskych expertov, ktorí od začiatku pandémie čelia obrovskému pracovnému zaťaženiu. Okrem toho, keď sa modernejšie medicínske zariadenia pripájajú k internetu, bude možné do navrhovaného modelu pridávať obrovské množstvo tréningových údajov; to povedie k ešte vyššej presnosti, a to nielen v prípade COVID-19, ako uvádza profesor Jeon: „Prístup hlbokého učenia použitý v našej štúdii je použiteľný aj na iné typy lekárskych obrazov a mohol by sa použiť na diagnostiku rôznych chorôb.“
