Алгоритм машинного обучения, получивший название DeepCOVID-XR, превзошел по эффективности команду специализированных торакальных рентгенологов, обнаружив COVID-19 в рентгеновских лучах примерно в 10 раз быстрее и на 1-6% точнее.
Исследователи полагают, что врачи могут использовать A.я. система для быстрого скрининга пациентов, госпитализированных по причинам, отличным от COVID-19. Более быстрое и раннее обнаружение очень заразного вируса потенциально может защитить медицинских работников и других пациентов, заставляя положительного пациента быстрее изолироваться.
Авторы исследования также считают, что алгоритм потенциально может помечать пациентов для изоляции и тестирования, которые в противном случае не исследуются на COVID-19.
Исследование будет опубликовано в ноябре. 24 в журнале Радиология.
«Мы не стремимся заменить фактическое тестирование», – сказал Аггелос Кацаггелос из Northwestern.я. эксперт и старший автор исследования. "Рентген – это обычное дело, безопасное и недорогое. Нашей системе потребуется несколько секунд, чтобы проверить пациента и определить, нужно ли изолировать этого пациента."
«Чтобы получить результаты теста на COVID-19, могут потребоваться часы или дни», – сказал д-р.
Рэмси Вебе, кардиолог и докторант в А.я. в Северо-западном медицинском институте сердечно-сосудистой системы им. Блума. "А.я. не подтверждает, есть ли у кого-то вирус. Но если мы сможем пометить пациента с помощью этого алгоритма, мы сможем ускорить сортировку до того, как вернутся результаты теста."
Кацаггелос – профессор электротехники и вычислительной техники Джозефа Каммингса в инженерной школе Маккормика Северо-Западного университета. У него также есть приемы вежливости в компьютерных науках и радиологии. Вехбе – научный сотрудник Института сердечно-сосудистой системы им.
Блума в Северо-западной мемориальной больнице.
Натренированный глаз
У многих пациентов с COVID-19 рентгенограммы грудной клетки показывают похожие модели. Вместо чистых, здоровых легких их легкие кажутся пятнистыми и туманными.
«Многие пациенты с COVID-19 имеют характерные признаки на снимках грудной клетки», – сказал Вехбе. "Сюда входят" двусторонние консолидации.«Легкие наполнены жидкостью и воспалены, особенно в нижних долях и на периферии."
Проблема в том, что пневмония, сердечная недостаточность и другие заболевания легких могут быть похожи на рентгеновские снимки.
Требуется наметанный глаз, чтобы отличить COVID-19 от чего-то менее заразного.
Лаборатория Кацаггелоса специализируется на использовании A.я. для медицинской визуализации. Он и Вехбе уже работали вместе над проектами кардиологической визуализации и задавались вопросом, смогут ли они разработать новую систему, которая поможет бороться с пандемией.
«Когда пандемия начала нарастать в Чикаго, мы спросили друг друга, можем ли мы что-нибудь сделать», – сказал Вехбе. «Мы работали над проектами медицинской визуализации с использованием кардиального эхо и ядерной визуализации. Мы чувствовали, что можем развернуться и применить наш совместный опыт, чтобы помочь в борьбе с COVID-19."
А.я. против. человек
Чтобы разработать, обучить и протестировать новый алгоритм, исследователи использовали 17 002 рентгеновских снимка грудной клетки – крупнейший опубликованный набор клинических данных рентгеновских снимков грудной клетки эпохи COVID-19, который использовался для обучения A.я. система.
Из этих изображений 5445 были получены от пациентов с вирусом COVID-19 с сайтов системы здравоохранения Northwestern Memorial Healthcare System.
Затем команда проверила DeepCOVID-XR на пяти опытных кардиоторакальных радиологах, прошедших стажировку, на 300 случайных тестовых изображениях из больницы Лейк-Форест. Каждому радиологу потребовалось от двух с половиной до трех с половиной часов, чтобы изучить этот набор изображений, в то время как A.я. система заняла около 18 минут.
Точность рентгенологов составляла 76-81%.
DeepCOVID-XR работал немного лучше с точностью 82%.
«Это эксперты, прошедшие специальную подготовку в области считывания изображений грудной клетки», – сказал Вехбе. "Принимая во внимание, что большинство рентгеновских снимков грудной клетки читаются общими радиологами или первоначально интерпретируются не радиологами, такими как лечащий врач.
Часто решения принимаются на основе этой первоначальной интерпретации."
«Радиологи дороги и не всегда доступны», – сказал Кацаггелос. "Рентгеновские снимки недороги и уже стали обычным элементом повседневной помощи. Это потенциально может сэкономить деньги и время, особенно потому, что время очень важно при работе с COVID-19."
Пределы диагностики
Конечно, не все пациенты с COVID-19 проявляют какие-либо признаки болезни, в том числе на рентгеновских снимках грудной клетки.
Особенно на ранних этапах развития вируса у пациентов, вероятно, еще не будет проявлений в легких.
"В этих случаях A.я. система не будет отмечать пациента как положительный ", – сказал Вехбе. "Но и радиолог не стал бы. Очевидно, что существует предел радиологической диагностики COVID-19, поэтому мы не будем использовать это вместо тестирования."
Исследователи Северо-Запада сделали алгоритм общедоступным в надежде, что другие смогут продолжить обучение с новыми данными. В настоящее время DeepCOVID-XR все еще находится на стадии исследования, но потенциально может быть использован в клинических условиях в будущем.
В число соавторов исследования входят Цзяюэ Шенг, Синджан Дутта, Сиюань Чай, Амил Дравид, Семих Барутку и Юнан Ву – все члены лаборатории Кацаггелоса – и доктора. Дональд Кантрелл, Николас Сяо, Брэдли Аллен, Грегори МакНили, Хатидже Савас, Риши Агравал и Нишант Парех – все радиологи в Northwestern Medicine.