Un investigador de la Universidad de Florida Central es parte de un nuevo estudio que muestra que la inteligencia artificial puede ser casi tan precisa como un médico en el diagnóstico de COVID-19 en los pulmones.
El estudio, publicado recientemente en Nature Communications, muestra que la nueva técnica también puede superar algunos de los desafíos de las pruebas actuales.
Los investigadores demostraron que se podía entrenar un algoritmo de IA para clasificar la neumonía COVID-19 en tomografías computarizadas TC con una precisión de hasta el 90 por ciento, así como identificar correctamente los casos positivos el 84 por ciento de las veces y los casos negativos el 93 por ciento de los casos.hora.
Las tomografías computarizadas ofrecen una visión más profunda del diagnóstico y la progresión de COVID-19 en comparación con las pruebas de reacción en cadena de la polimerasa con transcripción inversa, o RT-PCR, que se utilizan con frecuencia. Estas pruebas tienen altas tasas de falsos negativos, retrasos en el procesamiento y otros desafíos.
Otro beneficio de las tomografías computarizadas es que pueden detectar COVID-19 en personas sin síntomas, en aquellas que tienen síntomas tempranos, durante el apogeo de la enfermedad y después de que los síntomas desaparecen.
Sin embargo, la TC no siempre se recomienda como una herramienta de diagnóstico para COVID-19 porque la enfermedad a menudo se parece a las neumonías asociadas a la influenza en las exploraciones.
El nuevo algoritmo co-desarrollado por UCF puede superar este problema identificando con precisión los casos de COVID-19, así como distinguiéndolos de la influenza, sirviendo así como una gran ayuda potencial para los médicos, dice Ulas Bagci, profesor asistente en el Departamento de UCFCiencias de la Computación.
Bagci fue coautor del estudio y ayudó a dirigir la investigación.
"Demostramos que un enfoque de inteligencia artificial basado en el aprendizaje profundo puede servir como una herramienta estandarizada y objetiva para ayudar a los sistemas de atención médica y a los pacientes", dice Bagci. "Se puede utilizar como una herramienta de prueba complementaria en poblaciones limitadas muy específicas,y se puede utilizar rápidamente y a gran escala en el desafortunado caso de un brote recurrente ".
Bagci es un experto en el desarrollo de IA para ayudar a los médicos, incluido su uso para detectar cánceres de páncreas y pulmón en tomografías computarizadas.
También tiene dos grandes subvenciones de los Institutos Nacionales de Salud que exploran estos temas, incluidos $ 2.5 millones para usar el aprendizaje profundo para examinar los tumores quísticos de páncreas y más de $ 2 millones para estudiar el uso de la inteligencia artificial para la detección y el diagnóstico del cáncer de pulmón.
Para realizar el estudio, los investigadores entrenaron un algoritmo informático para reconocer COVID-19 en tomografías computarizadas de pulmón de 1.280 pacientes multinacionales de China, Japón e Italia.
Luego probaron el algoritmo en tomografías computarizadas de 1337 pacientes con enfermedades pulmonares que van desde COVID-19 hasta cáncer y neumonía no COVID.
Cuando compararon los diagnósticos de la computadora con los confirmados por los médicos, encontraron que el algoritmo era extremadamente eficiente para diagnosticar con precisión la neumonía COVID-19 en los pulmones y distinguirla de otras enfermedades, especialmente al examinar tomografías computarizadas en las primeras etapas de la enfermedad.progresión.
"Demostramos que los modelos robustos de IA pueden lograr hasta un 90 por ciento de precisión en poblaciones de prueba independientes, mantener una alta especificidad en neumonías no relacionadas con COVID-19 y demostrar suficiente generalización a poblaciones y centros de pacientes invisibles", dice Bagci.
El investigador de la UCF colabora desde hace mucho tiempo con los coautores del estudio Baris Turkbey y Bradford J. Wood. Turkbey es médico investigador asociado en la Rama de Imágenes Moleculares del Instituto Nacional del Cáncer de los NIH, y Wood es el director del Centro de Oncología Intervencionista de los NIH yjefe de radiología intervencionista del Centro Clínico de los NIH.
Esta investigación fue apoyada con fondos del Centro de Oncología Intervencionista de los NIH y el Programa de Investigación Intramural de los Institutos Nacionales de Salud, subvenciones de los NIH intramuros, el programa Anti-COVID-19 de objetivos intramuros de los NIH, el Instituto Nacional del Cáncer y los NIH.
Bagci recibió su doctorado en ciencias de la computación de la Universidad de Nottingham en Inglaterra y se unió al Departamento de Ciencias de la Computación de UCF, parte de la Facultad de Ingeniería y Ciencias de la Computación, en 2015. Es el presidente de Science Applications International Corp SAIC en UCFDepartamento de Ciencias de la Computación y miembro de la facultad del Centro de Investigación en Visión por Computadora de la UCF. SAIC es una empresa de servicios y soporte del gobierno con sede en Virginia.
Fuente de la historia :
Materiales proporcionado por Universidad de Florida Central . Original escrito por Robert Wells. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :