به گزارش ایسنا و به نقل از ساینس‌دیلی، پژوهشگران "دانشگاه مرکز فلوریدا"(UCF) در بررسی جدیدی نشان داده‌اند که هوش مصنوعی می‌تواند کووید-۱۹ را با دقت یک پزشک در ریه‌ها تشخیص دهد. همچنین این پژوهش نشان می‌دهد که این روش می‌تواند بر برخی از چالش‌های آزمایش‌های کنونی غلبه کند.

پژوهشگران در این پروژه نشان دادند که شاید بتوان الگوریتم هوش مصنوعی را آموزش داد تا کووید-۱۹ را با ۹۰ درصد دقت در تصاویر سی‌تی اسکن تشخیص دهد.

تصاویر سی‌تی اسکن نسبت به روش "واکنش زنجیره‌ای پلیمراز رونویسی معکوس"(RT-PCR)، بینش عمیق‌تری را در تشخیص کووید-۱۹ ارائه می‌دهند. آزمایش‌های مبتنی بر واکنش زنجیره‌ای پلیمراز رونویسی معکوس، با مشکلاتی مانند امکان اشتباه و تاخیر در پردازش همراه هستند.

مزیت دیگر سی‌تی اسکن این است که می‌تواند کووید-۱۹ را در افراد بدون نشانه تشخیص دهد. با وجود این، سی‌تی اسکن همیشه به عنوان یک روش تشخیصی برای شناسایی کووید-۱۹ توصیه نمی‌شود زیرا این بیماری اغلب در اسکن‌ها، به ذات‌الریه ناشی از آنفلوانزا شباهت دارد.

 الگوریتمی که این گروه پژوهشی ابداع کرده‌اند، می‌تواند با شناسایی دقیق افراد مبتلا به کووید-۱۹ و تفکیک آنها از آنفلوانزا، بر این مشکل غلبه کند. 

"یولاس باگسی"(Ulas Bagci)، استادیار علوم رایانه دانشگاه مرکز فلوریدا و از پژوهشگران این پروژه گفت: ما در این پژوهش نشان دادیم که یک روش یادگیری عمیق مبتنی بر هوش مصنوعی می‌تواند یک ابزار استاندارد برای کمک کردن به بیماران و سامانه‌های سلامت باشد.

پژوهشگران در این پروژه، یک الگوریتم رایانه‌ای را آموزش دادند تا کووید-۱۹ را در سی‌تی اسکن ریه ۱۲۸۰ بیمار که از اهالی چین، ژاپن و ایتالیا بودند، تشخیص دهد.

سپس پژوهشگران، این الگوریتم را روی سی‌تی اسکن ۱۳۳۷ فرد مبتلا به بیماری‌های ریوی از جمله کووید-۱۹، سرطان ریه و ذات‌الریه آزمایش کردند.

هنگامی که پژوهشگران، تشخیص الگوریتم را با تشخیص پزشکان مقایسه کردند، دریافتند که الگوریتم در تشخیص دقیق کووید-۱۹ در ریه‌ها و تفکیک آن از بیماری‌های دیگر، بسیار ماهر است؛ به خصوص هنگامی که اسکن‌ها در مراحل ابتدایی گسترش بیماری ثبت شده‌اند.

باگسی ادامه داد: ما در این پژوهش نشان دادیم که مدل‌های قوی مبتنی بر هوش مصنوعی می‌توانند در آزمایش‌ها با ۹۰ درصد دقت عمل کنند.

این پژوهش، در مجله "Nature Communications" به چاپ رسید.

انتهای پیام