Τα μοριακά τεστ PCR, το χρυσό στάνταρτ για τη διάγνωση της Covid-19, απαιτούν σύγχρονα εργαστήρια και χρειάζονται ώρες ή μέρες για να δώσουν αποτέλεσμα.

Ερευνητές στη Βραζιλία αναφέρουν τώρα ότι ανέπτυξαν ένα ταχύτερο διαγνωστικό τεστ που συνδυάζει την τεχνητή νοημοσύνη με μια τεχνολογία που εφευρέθηκε τη δεκαετία του 1890: την ακτινογραφία.

Η μέθοδος, αναφέρει η ερευνητική ομάδα, διαγιγνώσει τη λοίμωξη από κοροναϊό με αξιοπιστία έως και 98,5%.

Πριν το ξέσπασμα της πανδημίας, η ερευνητική ομάδα στο ομοσπονδιακό Πανεπιστήμιο του Φορταλέτσα στη Βραζιλία ανέπτυσσαν αλγόριθμους μηχανικής μάθησης που εκπαιδεύονταν να διαγιγνώσκουν σε ακτινογραφίες το εμφύσημα και άλλες παθήσεις των πνευμόνων.

Οι αλγόριθμοι αυτοί ουσιαστικά μαθαίνουν από παραδείγματα, ακτινογραφίες στις οποίες είχαν εκ των προτέρων σημειωθεί οι προβληματικές περιοχές των πνευμόνων.

Όταν η πανδημία φούντωσε «αποφασίσαμε να εξετάσουμε αν η λοίμωξη Covid-19 μπορεί να αναγνωριστεί αυτόματα σε απεικονίσεις ακτίνων Χ» λέει ο Βίκτορ Χούγκο Αλμπουκέρκε, μέλος της ομάδας που παρουσιάζει τη μελέτη στην επιθεώρηση EEE/CAA Journal of Automatica Sinica.

Το βασικό εμπόδιο ήταν η έλλειψη ελεγμένων ακτινογραφιών για την εκπαίδευση της τεχνητής νοημοσύνης –οι ερευνητές είχαν στη διάθεσή τους μόνο 194 ακτινογραφίες από ασθενείς Covid-19 και άλλες τόσες από υγιείς εθελοντές, πολύ λιγότερες από τις χιλιάδες εικόνες που απαιτούνται για την εκπαίδευση του αλγόριθμου. Η λύση που βρήκαν ήταν να χρησιμοποιήσουν έναν αλγόριθμο που είχε ήδη εκπαιδευθεί στην αναγνώριση άλλων παθήσεων, ο οποίος τροποποιήθηκε για να αναγνωρίζει τις βλάβες που προκαλεί ο κοροναϊός.

Η ερευνητική ομάδα πειραματίστηκε με αρκετές προσεγγίσεις μηχανικής μάθησης, δύο από τις οποίες βρέθηκαν να προσφέρουν ακρίβεια 95,6% και 98,5%.

Η νέα τεχνική, λένε οι ερευνητές, δεν θα υποκαταστήσει τα μοριακά τεστ ανίχνευσης του ιού. Θα μπορούσε όμως να λύσει τα χέρια των γιατρών σε υπερπλήρη νοσοκομεία ή σε περιοχές χωρίς επαρκείς υποδομές, δεδομένου ότι δίνει αξιόπιστα αποτελέσματα σε λίγα μόλις λεπτά.

Και η ακρίβεια της τεχνικής θα συνεχίσει να αυξάνεται καθώς συγκεντρώνονται απεικονιστικά δεδομένα για την εκπαίδευση της μηχανής.

Headlines