Kunstmatige intelligentie kan helpen in de strijd tegen COVID-19

De COVID-19-pandemie heeft begin 2020 de wereld stormenderhand veroverd en is sindsdien de belangrijkste doodsoorzaak geworden in verschillende landen, waaronder China, de VS, Spanje en het Verenigd Koninkrijk. Onderzoekers werken uitgebreid aan het ontwikkelen van praktische manieren om COVID-19-infecties te diagnosticeren, en velen van hen hebben hun aandacht gericht op hoe kunstmatige intelligentie (AI) voor dit doel kan worden gebruikt.       

Verschillende onderzoeken hebben gemeld dat op AI gebaseerde systemen kunnen worden gebruikt om COVID-19 te detecteren in röntgenfoto's van de borstkas, omdat de ziekte de neiging heeft om gebieden met pus en water in de longen te produceren, die verschijnen als witte vlekken in de röntgenscans . Hoewel verschillende diagnostische AI-modellen op basis van dit principe zijn voorgesteld, blijft het verbeteren van hun nauwkeurigheid, snelheid en toepasbaarheid een topprioriteit.

Nu heeft een team van wetenschappers onder leiding van professor Gwanggil Jeon van de Incheon National University, Korea, een automatisch COVID-19-diagnosekader ontwikkeld dat de zaken een tandje hoger maakt door twee krachtige op AI gebaseerde technieken te combineren. Hun systeem kan worden getraind om nauwkeurig onderscheid te maken tussen thoraxfoto's van COVID-19-patiënten en niet-COVID-19-patiënten. Hun paper werd op 27 oktober 2021 online beschikbaar gesteld en op 21 november 2021 gepubliceerd in Volume 8, Issue 21 van de IEEE Internet of Things Journal.

De twee algoritmen die de onderzoekers gebruikten waren Faster R-CNN en ResNet-101. De eerste is een op machine learning gebaseerd model dat gebruikmaakt van een netwerk voor regiovoorstellen, dat kan worden getraind om de relevante regio's in een invoerafbeelding te identificeren. De tweede is een diep lerend neuraal netwerk bestaande uit 101 lagen, dat als ruggengraat werd gebruikt. ResNet-101 is, wanneer getraind met voldoende invoergegevens, een krachtig model voor beeldherkenning. "Voor zover wij weten, is onze aanpak de eerste die ResNet-101 en Faster R-CNN combineert voor COVID-19-detectie", merkt prof. Jeon op, "Nadat we ons model hadden getraind met 8800 röntgenfoto's, kregen we een opmerkelijke nauwkeurigheid van 98%.”

Het onderzoeksteam is van mening dat hun strategie nuttig kan zijn voor de vroege detectie van COVID-19 in ziekenhuizen en openbare gezondheidscentra. Het gebruik van automatische diagnostische technieken op basis van AI-technologie kan wat werk en druk wegnemen van radiologen en andere medische experts, die sinds het begin van de pandemie met enorme werklasten te maken hebben gehad. Bovendien, naarmate modernere medische apparaten met internet worden verbonden, zal het mogelijk zijn om enorme hoeveelheden trainingsgegevens naar het voorgestelde model te voeren; dit zal resulteren in nog hogere nauwkeurigheid, en niet alleen voor COVID-19, zoals prof. Jeon stelt: "De deep learning-benadering die in onze studie wordt gebruikt, is van toepassing op andere soorten medische beelden en kan worden gebruikt om verschillende ziekten te diagnosticeren."