Sci-Tech

AI za podršku u dijagnostici i liječenju COVID-19

AI za podršku u dijagnostici  i liječenju COVID-19

Umjetna inteligencija (AI) ima potencijal koji može pomoći u rješavanju gorućih pitanja koja je pokrenula pandemija COVID-19.

Jedan od primjera je sustav koji bi unaprijed procijenio kod kojih će se pacijenata s  COVID-19 virusom  vjerojatno razviti teži oblik bolesti. Ovaj sustav   razvija  Sveučilište u Kopenhagenu. O čemu se točno radi?

Liječnicima je teško predvidjeti koji će od  bolesnika  zahtijevati intenzivnu njegu koristeći samo utvrđene čimbenike rizika kao što su dob, spol i komorbidnosti. Postoji još mnogo  čimbenika u igri, a neke od njih  liječnici tek trebaju razumjeti.  I ovdje bi u pomoć  liječnicima trebala  doći   AI  tj. prediktivna analitika.  

Nije osnova za liječenje,  niti  zamjena kliničkih zaključaka,  već  samo sustav koji može predvidjeti  potrebu  za brojem respiratora   ili ponekad ECMO uređajem za određen broj pacijenata.   Jednostavnije rečeno,  bolnice će znati, na primjer, da će 40 % od 300 hospitaliziranih pacijenata  trebati  respirator u roku od tjedan dana,  rekao je Mads Nielsen sa Sveučilišta u Kopenhagenu.

Kako radi sustav?

Algoritam  prikuplja  ogromne količine podataka pacijenata. Sastoje se od  fizičkih simptoma, zdravstvenog kartona, radioloških nalaza i sveobuhvatnih  analize krvi  poput razine stanica imunološkog sustava i hemoglobina. Svi ti podaci obrađuju se u superračunalu,   gdje, za nekoliko minuta,  trebao bi biti  izračunato  koliko je vjerojatno da će određeni pacijent zahtijevati  respirator i koliko će dana proći prije nego što se pojavi takva potreba.  Rad na računalnim modelima je u tijeku , a   očekuje da prvi, grubi modeli budu spremni za dva do tri tjedna.

AI za otkrivanje  COVID-19  virusa u radiografiji

Drugi aktualni projekt, pokrenut od startup tvrtke DarwinAI,  pod nazivom  COVID-net open-access neural network,  namijenjen je identifikaciji    prisutnosti korona virusa u rendgenu prsnog koša.   Nije medicinski proizvod ili samo-dijagnostički alat.  To je komplementarni alat koji bi trebao dati statistički odgovor u vrlo brzom vremenskom razdoblju.  

Za ovaj AI model, koristi se skup podataka otvorenih istraživanja  s različitim plućnim stanjima  za identifikaciju COVID-19  u rendgenu prsnog koša.   Samo tjedan dana od objavljivanja projekta,  doprinosi medicinskih stručnjaka i znanstvenika s podacima pomogli su tvrtki da stvori skup podataka od 16.756 rendgenskih snimaka za 13.645   pacijenata.  DarwinAI surađuje s vladinim organizacijama u Kanadi kako bi prikupio financijska sredstva za njegovu operacionalizaciju i nada se da će ga bolnice  moći koristiti  u roku od nekoliko tjedana. 

Međutim, u Kini, Južnoj Koreji   i Brazilu se AI već   koristi u dijagnostici.  Konkretno, u Kini se  radi se o  algoritmu   tehnološkog giganta Alibaba Group,  nastalom od strane njihove istraživačke jedinice DAMO Academy.   

Prema izvještaju nikkei.com, Alibaba tvrdi da njegov novi sustav može otkriti korona virus u CT pretragama prsnog koša pacijenata s 96 % točnosti,   a  samo 20 sekundi treba da   prepozna   bolest.   Ljudima obično treba oko 15 minuta za dijagnosticiranje bolesti.  Ovaj  algoritam  je navodno  već pomogao dijagnosticirati više od 30 000 slučajeva. Alibabin algoritam trenira je  na više od 5000 potvrđenih slučajeva korona virusa,  također prati reakcije na liječenje   poput otkrivanja znakova poboljšanja, uključujući smanjenje bijele mase u plućima itd.  

U Južnoj Koreji,  Lunit , medicinska softverska tvrtka  koja razvija AI  sa sjedištem u Seulu,  objavila je svoj  besplatni softver za analizu rendgenskih  snimaka  na internetu.  Softver već pomaže u pregledu radiolozima u centrima za zaštitu od korona virusa u Južnoj Koreji. Također je ovaj softver instaliran u PreventSenior,  jednoj od najvećih bolničkih mreža u Brazilu radi provjere pacijenata s blagim simptomima.

Problemi s AI

Jedan  od  najvećih problema za AI  je što  zahtijeva ogromne količine podataka  za obuku  u trenutnim uvjetima.   S jedne strane  ima  premalo podataka na kojima bi se mogli trenirati AI modeli,  s druge previše.   Potencijalni problemi su i  veliki  hibridni podaci, ne prilagođavanje algoritama i mnoštvo novih znanstvenih otkrića i izvanrednih podataka koje treba  procijeniti prije nego što se na kraju provedu kroz klinička ispitivanja.

COVID-19 Open Research Dataset, s  preko 24.000 znanstvenih radova  i Coronavirus (COVID-19) - Cochrane resources and news  skup  znanstvene publikacija o pandemiji, koje se svakodnevno ažuriraju iz PubMed,  samo su od nekih primjera  koji mogu biti odlični izvori podataka.  Potonji nude čak i brze odgovore koje nas svakodnevno muče u prevenciji od COVID-29.


Reci što misliš!