تحقیقات جدید نشان می‌دهد که هوش مصنوعی می‌تواند COVID-19 را در تصاویر اولتراسوند ریه شناسایی کند، درست مانند نرم‌افزار تشخیص چهره که می‌تواند چهره‌ای را در میان جمعیت تشخیص دهد.

این یافته ها تشخیص پزشکی مبتنی بر هوش مصنوعی را تقویت می کند و متخصصان مراقبت های بهداشتی را به تشخیص سریع بیماران مبتلا به کووید-19 و سایر بیماری های ریوی با الگوریتم هایی نزدیک می کند که تصاویر اولتراسوند را برای شناسایی علائم بیماری شانه می کنند.

یافته ها، به تازگی منتشر شده در پزشکی ارتباطاتاوج تلاشی است که در اوایل بیماری همه گیر شروع شد، زمانی که پزشکان به ابزارهایی برای ارزیابی سریع لژیون بیماران در اتاق های اورژانس غرق شده نیاز داشتند.

ما این ابزار تشخیص خودکار را برای کمک به پزشکان در شرایط اضطراری با تعداد موارد بالای بیمارانی که نیاز به تشخیص سریع و دقیق دارند، مانند مراحل اولیه همه‌گیری، توسعه دادیم. به طور بالقوه، ما می‌خواهیم دستگاه‌های بی‌سیمی داشته باشیم که بیماران بتوانند در خانه از آنها برای نظارت بر پیشرفت COVID-19 استفاده کنند.»

Muyinatu Bell، نویسنده ارشد، جان سی مالون دانشیار مهندسی برق و کامپیوتر، مهندسی زیست پزشکی و علوم کامپیوتر در دانشگاه جان هاپکینز

تیفانی فونگ، استادیار پزشکی اورژانس در جانز هاپکینز، یکی از نویسندگان این مقاله گفت: این ابزار همچنین دارای پتانسیل برای توسعه ابزارهای پوشیدنی است که بیماری هایی مانند نارسایی احتقانی قلب را ردیابی می کند، که می تواند منجر به اضافه بار مایع در ریه های بیماران شود، برخلاف کووید-19. دارو.

فونگ گفت: «کاری که ما در اینجا با ابزارهای هوش مصنوعی انجام می دهیم، مرز بزرگ بعدی برای نقطه مراقبت است. یک مورد ایده آل برای استفاده، پچ های فراصوت پوشیدنی است که تجمع مایعات را کنترل می کند و به بیماران اطلاع می دهد که چه زمانی نیاز به تنظیم دارو دارند یا چه زمانی باید به پزشک مراجعه کنند.

هوش مصنوعی تصاویر اولتراسوند ریه را تجزیه و تحلیل می کند تا ویژگی هایی به نام خطوط B را شناسایی کند که به صورت ناهنجاری های روشن و عمودی ظاهر می شوند و نشان دهنده التهاب در بیماران مبتلا به عوارض ریوی هستند. این تصاویر تولید شده توسط کامپیوتر را با سونوگرافی واقعی بیماران ترکیب می کند. از جمله برخی که به دنبال مراقبت در جانز هاپکینز بودند.

بل گفت: «ما مجبور بودیم فیزیک امواج فراصوت و امواج صوتی را به اندازه کافی خوب مدل کنیم تا بتوانیم تصاویر شبیه سازی شده قابل باوری را بدست آوریم. سپس مجبور شدیم یک قدم جلوتر برویم تا مدل‌های کامپیوتری خود را آموزش دهیم تا از این داده‌های شبیه‌سازی شده برای تفسیر قابل اعتماد اسکن‌های واقعی از بیماران مبتلا به ریه‌های آسیب‌دیده استفاده کنند.»

بل گفت: در اوایل همه‌گیری، دانشمندان برای استفاده از هوش مصنوعی برای ارزیابی شاخص‌های COVID-19 در تصاویر اولتراسوند ریه به دلیل کمبود داده‌های بیمار و به دلیل اینکه آنها تازه شروع به درک چگونگی تظاهر بیماری در بدن کرده بودند، تلاش کردند.

تیم او نرم‌افزاری را توسعه داد که می‌تواند از ترکیبی از داده‌های واقعی و شبیه‌سازی‌شده یاد بگیرد و سپس ناهنجاری‌هایی را در اسکن‌های اولتراسوند تشخیص دهد که نشان می‌دهد یک فرد به COVID-19 مبتلا شده است. این ابزار یک شبکه عصبی عمیق است، نوعی از هوش مصنوعی که برای رفتاری شبیه به نورون های به هم پیوسته طراحی شده است که مغز را قادر می سازد الگوها را تشخیص دهد، گفتار را درک کند و به کارهای پیچیده دیگر دست یابد.

لینگی ژائو، نویسنده اول که این نرم افزار را توسعه داده است، می گوید: «در اوایل همه گیری، ما تصاویر اولتراسوند کافی از بیماران COVID-19 برای توسعه و آزمایش الگوریتم های خود نداشتیم و در نتیجه شبکه های عصبی عمیق ما هرگز به اوج عملکرد نرسیدند. در حالی که یک دانشجوی فوق دکترا در آزمایشگاه بل است و اکنون در Novateur Research Solutions کار می کند. اکنون، ما ثابت می‌کنیم که با مجموعه داده‌های تولید شده توسط رایانه، هنوز می‌توانیم به دقت بالایی در ارزیابی و شناسایی این ویژگی‌های COVID-19 دست یابیم.»