Un algorithme peut identifier avec précision les cas de COVID-19 et les distinguer de la grippe –

L’étude, récemment publiée dans Nature Communications, montre que la nouvelle technique peut également surmonter certains des défis des tests actuels.

Les chercheurs ont démontré qu’un algorithme d’IA pouvait être formé pour classer la pneumonie COVID-19 dans les tomodensitométries (TDM) avec une précision allant jusqu’à 90%, ainsi que pour identifier correctement les cas positifs 84% ​​du temps et les cas négatifs 93% du temps.

Les tomodensitogrammes offrent un aperçu plus approfondi du diagnostic et de la progression du COVID-19 par rapport aux tests souvent utilisés de réaction en chaîne de transcription inverse-polymérase, ou RT-PCR. Ces tests ont des taux élevés de faux négatifs, des retards de traitement et d’autres défis.

Un autre avantage des tomodensitogrammes est qu’ils peuvent détecter le COVID-19 chez les personnes sans symptômes, chez celles qui présentent des symptômes précoces, au plus fort de la maladie et après la résolution des symptômes.

Cependant, la tomodensitométrie n’est pas toujours recommandée comme outil de diagnostic du COVID-19 car la maladie ressemble souvent à des pneumonies associées à la grippe sur les scans.

Le nouvel algorithme co-développé par l’UCF peut surmonter ce problème en identifiant avec précision les cas de COVID-19, ainsi qu’en les distinguant de la grippe, servant ainsi d’une grande aide potentielle pour les médecins, déclare Ulas Bagci, professeur adjoint au département d’informatique de l’UCF. .

Bagci était co-auteur de l’étude et a aidé à diriger la recherche.

«Nous avons démontré qu’une approche d’IA basée sur l’apprentissage en profondeur peut servir d’outil normalisé et objectif pour aider les systèmes de santé ainsi que les patients», déclare Bagci. “Il peut être utilisé comme un outil de test complémentaire dans des populations limitées très spécifiques, et il peut être utilisé rapidement et à grande échelle dans le cas malheureux d’une épidémie récurrente.”

Bagci est un expert dans le développement de l’IA pour aider les médecins, notamment en l’utilisant pour détecter les cancers du pancréas et du poumon dans les tomodensitogrammes.

Il a également deux grandes subventions des National Institutes of Health explorant ces sujets, dont 2,5 millions de dollars pour l’utilisation de l’apprentissage en profondeur pour examiner les tumeurs kystiques pancréatiques et plus de 2 millions de dollars pour étudier l’utilisation de l’intelligence artificielle pour le dépistage et le diagnostic du cancer du poumon.

Pour réaliser l’étude, les chercheurs ont formé un algorithme informatique permettant de reconnaître le COVID-19 dans les tomodensitogrammes pulmonaires de 1 280 patients multinationaux de Chine, du Japon et d’Italie.

Ensuite, ils ont testé l’algorithme sur des tomodensitogrammes de 1337 patients atteints de maladies pulmonaires allant du COVID-19 au cancer et à la pneumonie non COVID.

Lorsqu’ils ont comparé les diagnostics de l’ordinateur avec ceux confirmés par les médecins, ils ont constaté que l’algorithme était extrêmement efficace pour diagnostiquer avec précision la pneumonie au COVID-19 dans les poumons et la distinguer des autres maladies, en particulier lors de l’examen des tomodensitogrammes aux premiers stades de la progression de la maladie.

«Nous avons montré que des modèles d’IA robustes peuvent atteindre une précision de 90% dans des populations de test indépendantes, maintenir une spécificité élevée dans les pneumonies non liées au COVID-19 et démontrer une généralisabilité suffisante à des populations et des centres de patients invisibles», déclare Bagci.

Le chercheur de l’UCF est un collaborateur de longue date avec les co-auteurs de l’étude Baris Turkbey et Bradford J. Wood. Turkbey est médecin de recherche associé à la Direction de l’imagerie moléculaire de l’Institut national du cancer du NIH, et Wood est le directeur du Centre d’oncologie interventionnelle des NIH et chef de la radiologie interventionnelle au Centre clinique des NIH.

Cette recherche a été financée par des fonds du NIH Center for Interventional Oncology et du programme de recherche intra-muros des National Institutes of Health, des subventions intra-muros des NIH, du programme NIH Intramural Targeted Anti-COVID-19, du National Cancer Institute et des NIH.

Bagci a obtenu son doctorat en informatique de l’Université de Nottingham en Angleterre et a rejoint le Département d’informatique de l’UCF, qui fait partie du College of Engineering and Computer Science, en 2015. Il est titulaire de la chaire Science Applications International Corp (SAIC) du Département de l’UCF. Informatique et membre du corps professoral du Centre de recherche en vision par ordinateur de l’UCF. SAIC est une société de soutien et de services gouvernementale basée en Virginie.