L’intelligenza artificiale ora può rilevare il Covid-19 nelle immagini ecografiche polmonari

I risultati potenziano la diagnostica medica basata sull’intelligenza artificiale e avvicinano gli operatori sanitari alla capacità di diagnosticare rapidamente i pazienti affetti da COVID-19 e altre malattie polmonari con algoritmi che analizzano le immagini ecografiche per identificare i segni della malattia.

I risultati, recentemente pubblicati in Medicina delle comunicazioniculminano in uno sforzo iniziato all’inizio della pandemia, quando i medici avevano bisogno di strumenti per valutare rapidamente legioni di pazienti nei pronto soccorso sovraffollati.

“Abbiamo sviluppato questo strumento di rilevamento automatizzato per aiutare i medici in contesti di emergenza con un elevato numero di pazienti che necessitano di una diagnosi rapida e accurata, come nelle fasi iniziali della pandemia”, ha affermato l’autore senior Muyinatu Bell, associato di John C. Malone. Professore di ingegneria elettrica e informatica, ingegneria biomedica e informatica presso la Johns Hopkins University. “Potenzialmente, vogliamo avere dispositivi wireless che i pazienti possano utilizzare a casa anche per monitorare la progressione del COVID-19.”

Lo strumento ha anche il potenziale per sviluppare dispositivi indossabili che tracciano malattie come l’insufficienza cardiaca congestizia, che può portare a un sovraccarico di liquidi nei polmoni dei pazienti, non diversamente dal COVID-19, ha affermato la coautrice Tiffany Fong, assistente professore di medicina d’urgenza alla Johns Hopkins. Medicinale.

“Quello che stiamo facendo qui con gli strumenti di intelligenza artificiale è la prossima grande frontiera per i point of care”, ha affermato Fong. “Un caso d’uso ideale sarebbero i cerotti ecografici indossabili che monitorano l’accumulo di liquidi e informano i pazienti quando hanno bisogno di un aggiustamento del farmaco o quando hanno bisogno di consultare un medico.”

L’intelligenza artificiale analizza le immagini ecografiche dei polmoni per individuare caratteristiche note come linee B, che appaiono come anomalie luminose e verticali e indicano infiammazione nei pazienti con complicanze polmonari. Combina immagini generate al computer con ecografie reali dei pazienti, compresi alcuni che hanno cercato cure presso la Johns Hopkins.

“Abbiamo dovuto modellare la fisica degli ultrasuoni e la propagazione delle onde acustiche abbastanza bene per ottenere immagini simulate credibili”, ha affermato Bell. “Poi abbiamo dovuto fare un ulteriore passo avanti per addestrare i nostri modelli computerizzati a utilizzare questi dati simulati per interpretare in modo affidabile le scansioni reali di pazienti con polmoni colpiti.”

All’inizio della pandemia, gli scienziati hanno faticato a utilizzare l’intelligenza artificiale per valutare gli indicatori di COVID-19 nelle immagini ecografiche polmonari a causa della mancanza di dati sui pazienti e perché stavano appena iniziando a capire come la malattia si manifesta nel corpo, ha detto Bell.

Il suo team ha sviluppato un software in grado di apprendere da un mix di dati reali e simulati e quindi di individuare anomalie nelle scansioni ecografiche che indicano che una persona ha contratto il COVID-19. Lo strumento è una rete neurale profonda, un tipo di intelligenza artificiale progettata per comportarsi come i neuroni interconnessi che consentono al cervello di riconoscere schemi, comprendere il parlato e svolgere altri compiti complessi.

“All’inizio della pandemia, non avevamo abbastanza immagini ecografiche dei pazienti affetti da COVID-19 per sviluppare e testare i nostri algoritmi e, di conseguenza, le nostre reti neurali profonde non hanno mai raggiunto le massime prestazioni”, ha affermato il primo autore Lingyi Zhao, che ha sviluppato il software. mentre era ricercatore post-dottorato nel laboratorio di Bell e ora lavora presso Novateur Research Solutions. “Ora stiamo dimostrando che con i set di dati generati dal computer possiamo ancora raggiungere un elevato grado di precisione nella valutazione e nel rilevamento di queste caratteristiche del COVID-19.”

Il codice e i dati del team sono disponibili pubblicamente qui: https://gitlab.com/pulselab/covid19