2022. 05. 25. - 09:25

A hosszú Covidot is diagnosztizálja a mesterséges intelligencia

A hosszú Covidot is diagnosztizálja a mesterséges intelligencia

Új, mesterséges intelligencia-alapú diagnosztikai eszköz segíthet leküzdeni a koronavírus-fertőzést követő tüneteket, azaz a hosszú Covidot, nyomon követve a tüdő egészségi állapotát.

A koronavírus-fertőzés sajnos számos emberenél nem múlik el nyomtalanul. Egyre többen panaszkodnak a hosszú Covidként ismert tünetekre.
 
A KAUST tudósai emiatt fejlesztettek ki egy új, számítógépes diagnosztikai eszközt, amely segít a tüdő egészségügyi állapotának monitorozásában koronavírus-fertőzés után.
 
Más légúti megbetegedésekhez hasonlóan a Covid-19 is maradandó károsodást okozhat a tüdőben, ám az orvosok számára nehéz volt elképzelni ezt a károsodást.
 
A hagyományos mellkasi szkennelések nem mutatják ki megbízhatóan a tüdőhegesedés és egyéb tüdőrendellenességek jeleit. Olvasd el: Mely koronavírus-betegnél nagyobb a halál kockázata? A mesterséges intelligencia megjósolja
 
A hosszú Covidot is diagnosztizálja a mesterséges intelligencia
A hosszú Covidot is diagnosztizálja a mesterséges intelligencia
 
Ez megnehezíti a tartós légzési problémákkal és egyéb koronavírus-betegséget követő szövődményekkel küzdő emberek egészségi állapotának és gyógyulásának nyomon követését.
 
A KAUST által kifejlesztett új módszer – amely a Deep-Lung Parenchyma-Enhancing (DLPE) nevet kapta - mesterséges intelligencia algoritmusokat alkalmaz a szokványos mellkasi képalkotási adatokon, hogy felfedje a tüdő diszfunkciójára utaló, másként észrevehetetlen vizuális jellemzőket.
 
„A radiológusok új szubvizuális tüdőelváltozásokat fedezhetnek fel és elemezhetnek a DLPE augmentáció révén – mondta el Xin Gao informatikus, számítástechnikai biológus. - Ezen elváltozások elemzése segíthet megmagyarázni a páciensek légúti tüneteit, lehetővé téve a betegség megfelelőbb kezelését.”
 
Az eszközt Xin Gao a Strukturális és Funkcionális Bioinformatikai Csoportja, valamint a Computational Bioscience Research Center tagjaival hozta létre, együttműködve a mesterséges intelligencia kutató Lawrence Carinnal, a KAUST jelenlegi vezetőjével, illetve a kínai Harbin Orvosi Egyetem klinikai munkatársaival.
 
A módszer előszöris kiküszöböl minden olyan anatómiai jellemzőt, amely nem kapcsolódik a tüdőparenchymához; a levegőcserében részt vevő szövetek a koronavírus okozta károsodások fő helyszínei. Olvasd el: Koronavírusosok felépülési idejét jósolja meg a mesterséges intelligencia
 
Ez azt jelenti, hogy eltávolítják a légutakat és az ereket, majd javítják a hátramaradt felvételek képét, ezzel feltárva azokat a sérüléseket, amelyek a számítógép segítsége nélkül figyelmen kívül maradnának.
 
A kutatók számítógépes tomográfiás (CT) mellkasi felvételek segítségével képezték ki és validálták algoritmusaikat - a képek a Covid-19 miatt Kínában kórházba került emberek ezreitől származtak.
 
Szakértő radiológusok közreműködésével finomították a módszert, majd DLPE-t alkalmaztak több tucat tüdőproblémával küzdő koronavírus-túlélő esetében, akik mindegyike súlyos, intenzív kezelést igénylő betegségben szenvedett.
 
Gao és munkatársai így bebizonyították, hogy az eszköz feltárja a tüdőfibrózis jeleit hosszú Covid esetén, így segítve a légszomj, köhögés és egyéb tüdőproblémák számításba vételét és kezelését.
 
Ez a diagnózis lehetetlen lenne a szokásos CT-képelemzésekkel – szögezte le Xin Gao.
 
Hozzátette: a DLPE-vel először bizonyították, hogy a hosszú távú, CT-n látható elváltozások megmagyarázhatják az ilyen tüneteket. Ily módon a fibrózis kezelése igen hatékony lehet a Covid-19 hosszú távú légúti szövődményei esetén.
 
A kutatók megmutatták, miként szolgálhat mesterséges intelligencia-eszközük széles körű diagnosztikai segédeszközként bármely tüdőbetegségre, segítségével ugyanis a radiológusok „látják a láthatatlant”.
 
A tanulmány a Nature Machine Intelligence szaklapban jelent meg.
 
 
L.A.

Hírlevél feliratkozás

Kérjük, add meg adataidat a hírlevélre történő feliratkozáshoz! A megadott adatokat bizalmasan kezeljük, azokat harmadik félnek át nem adjuk.

 

gyulai_vafurdo

profight_banner.