Радиологи Джона Хопкинса обнаружили, что алгоритм глубокого обучения для обнаружения туберкулеза на рентгеновских снимках грудной клетки может быть полезен для выявления аномалий легких, связанных с COVID-19. Эти результаты, опубликованные в Интернете в Journal of Thoracic Imaging, предполагают, что системы глубокого обучения потенциально могут помочь клиницистам в сортировке и лечении этих пациентов с высоким риском, а также помочь преодолеть нехватку изображений COVID-19, доступных для разработки машинного обучения.
Исследование было основано на наблюдении, что рентгенологические отклонения грудной клетки от COVID-19 очень похожи на таковые у больных туберкулезом. Рентген грудной клетки был предложен в качестве потенциально полезного инструмента для оценки пациентов с COVID-19, особенно в перегруженных отделениях неотложной помощи и центрах неотложной помощи, но исследовательская группа предположила, что модель глубокого обучения, уже обученная определять туберкулез с помощью рентгеновских лучей, также будет хорошо работают для выявления признаков нового коронавируса.
"Мы нашли хорошее обобщение нашей модели ТБ в отношении COVID-19," – говорит ординатор-радиолог Пол Йи, содиректор лаборатории искусственного интеллекта в радиологии и дочернего факультета Мэлоунского центра инженерии в здравоохранении. "Наша цель состояла в том, чтобы продемонстрировать способность модели глубокого обучения, которая никогда не “ видела ” случаи COVID-19, выявлять эти случаи. Поскольку COVID-19 – это новая инфекция, большие наборы данных в настоящее время недоступны для обучения моделей глубокого обучения. Мы предположили, что изображения других инфекций, внешне похожие на COVID-19, могут быть использованы для обучения моделей, способных идентифицировать это новое заболевание."
Йи вместе с соавторами Тэ Гён Ким, студентом-медиком в Медицинской школе Джонса Хопкинса, и Ченг Тинг Линем, директором отделения торакальной радиологии в отделе радиологии и радиологии школы, собрали 88 общедоступных рентгеновских снимков фронтальной части грудной клетки. пациенты с подтвержденным диагнозом COVID-19. Из 88 моделей 78 из них правильно классифицированы как "положительный" для COVID-19 с вероятностью успеха 89%.
Хотя эти результаты обнадеживают, команда признает ограничения своего исследования. Например, хотя модель может идентифицировать рентгеновские лучи с положительным результатом на COVID-19, она может быть не в состоянии отличить его от других заболеваний, вызывающих аналогичные аномалии легких.
Тем не менее, дальнейшие исследования в этой области, безусловно, необходимы, поскольку пандемия продолжается. "Эти результаты подтверждают концепцию потенциального нового метода скрининга COVID-19 в клинических условиях," добавляет Йи. "Модели глубокого обучения могут облегчить более быструю сортировку в отделениях неотложной помощи, интерпретацию в местах оказания медицинской помощи для нерадиологов, находящихся на переднем крае, и потенциальное снижение рабочей нагрузки для радиологов."