Algoritmo AI detecta COVID, gripe, outra pneumonia

Pesquisadores disseram que a aplicação de análise radiômica aos resultados de IA pode potencialmente levar à descoberta de novos biomarcadores para COVID-19.

20 Out, 2020

Um algoritmo de inteligência artificial (IA) rendeu um alto nível de precisão para distinguir entre casos de COVID-19, influenza A / B, pneumonia não viral adquirida na comunidade e indivíduos saudáveis ​​em exames de TC, relataram pesquisadores chineses em um artigo publicado online em 9 de outubro na Nature CommunicationsAlém do mais, seu modelo superou cinco radiologistas experientes que participaram de um estudo com leitores, e o algoritmo mostrou boa generalização quando aplicado a conjuntos de testes externos, de acordo com os co-primeiros autores Cheng Jin, PhD e Weixiang Chen da Universidade Tsinghua em Pequim, e Dr. Yukun Cao da Tongji Medical College em Wuhan. "Os radiologistas poderiam realizar um diagnóstico individualizado de COVID-19 com o sistema de IA, adicionando [uma] nova força motriz para combater a propagação global do surto", escreveram os autores.

Eles treinaram e testaram seu algoritmo de aprendizado profundo usando 4.260 tomografias computadorizadas coletadas retrospectivamente de 3.177 indivíduos de três centros em Wuhan. Destes estudos, 2.529 eram exames COVID-19, 1.338 eram casos de pneumonia adquirida na comunidade, 135 eram estudos de influenza A / B e 258 eram normais. Depois de ser treinado em 3.263 varreduras de 2.688 indivíduos, o algoritmo foi testado em 3.199 estudos de 2.688 indivíduos. Estes incluíram 1.229 indivíduos saudáveis, 668 com pneumonia adquirida na comunidade não viral, 42 com influenza A / B e 751 com COVID-19.

Jin e seus colegas também aplicaram seu algoritmo a dois conjuntos de testes externos: a coorte de teste do Consórcio Chinês de Investigação de Imagens de TC de tórax (CC-CCII) de 2.539 e o conjunto de teste MosMedData de 254 casos de não pneumonia e 857 casos COVID-19 da Rússia. Em seguida, eles compararam o desempenho do algoritmo de IA com radiologistas, realizando estudos de leitor para as seguintes três tarefas de diagnóstico diferentes em três coortes de pacientes diferentes:

  • Diagnosticando pneumonia: 100 indivíduos, incluindo 50 sem pneumonia, 25 com pneumonia adquirida na comunidade e 25 com COVID-19
  • Distinguir pneumonia adquirida na comunidade e COVID-19: 100 indivíduos, incluindo 50 com pneumonia adquirida na comunidade e 50 com COVID-19
  • Distinguindo influenza e COVID-19: 50 indivíduos, incluindo 20 com influenza A / B e 30 com COVID-19

Esses estudos foram interpretados por cinco radiologistas do Hospital Wuhan Union, que interpretaram mais de 400 tomografias computadorizadas de pacientes com COVID-19 em um período de três meses. Os radiologistas, que tinham em média oito anos de experiência em diagnóstico por imagem de doenças pulmonares, estavam cientes das tarefas avaliadas nos estudos do leitor, segundo os pesquisadores.

Desempenho do algoritmo de IA para doenças pulmonares
Coorte de teste geral Área sob a curva (AUC) = 0,978
Conjunto de teste externo # 1 (banco de dados CC-CCII) AUC = 0,930
Conjunto de teste externo # 2 (banco de dados MosMedData) AUC = 0,933
Estudo do leitor # 1 (distinguindo pneumonia vs. não pneumonia) AUC = 0,987
Estudo do leitor # 2 (distinguindo COVID-19 vs. pneumonia adquirida na comunidade) AUC = 0,973
Estudo do leitor # 3 (distinguindo influenza A / B vs. COVID-19) AUC = 0,959

A equipe observou que o sistema de IA levou uma média de 2,73 segundos para analisar cada estudo, em comparação com uma média de 6,5 minutos dos radiologistas. Embora o algoritmo tenha tido um desempenho um pouco pior na distinção entre pneumonia e não pneumonia, ele superou os radiologistas nas tarefas mais desafiadoras de distinguir entre pneumonia adquirida na comunidade e COVID-19, bem como entre COVID-19 e influenza, de acordo com o grupo.

Dos 26 erros cometidos por radiologistas na distinção entre COVID-19 e pneumonia adquirida na comunidade, 23 (88,5%) foram classificados corretamente pelo sistema de IA. Da mesma forma, 20 (86,9%) dos 23 erros cometidos por radiologistas na distinção entre influenza e COVID-19 foram categorizados corretamente pelo software AI, observaram os pesquisadores. "[Esses resultados significam] que o sistema de IA pode ser usado como um leitor independente eficaz para fornecer sugestões de referência", escreveram os autores. "Além disso, com uma configuração de [alta] sensibilidade, ele pode rastrear pacientes suspeitos para os radiologistas confirmarem; com uma configuração de alta precisão, pode dar possíveis avisos de erro de diagnóstico feitos por radiologistas."  

Eles também disseram que a aplicação de análise radiômica aos resultados de IA pode potencialmente levar à descoberta de novos biomarcadores para COVID-19.

Fonte: https://www.auntminnie.com/index.aspx?sec=ser&sub=def&pag=dis&ItemID=130454

 

Compartilhe


NOTÍCIAS RELACIONADAS