Sztuczna inteligencja pozwoli odróżnić COVID-19 od zapalenia płuc o innej etiologii

Na podstawie wieloośrodkowego, retrospektywnego badania, opracowano sieć neuronową COVNet, umożliwiającą wykrywanie COVID-19 z dużą dokładnością oraz różnicowanie COVID19 od zapalenia płuc i pozostałych chorób płuc o innym podłożu.

Model predykcyjny bazuje na ocenie obrazu TK klatki piersiowej, a jego efektywność w wykrywaniu COVID-19, mierzona jako powierzchnia pod krzywą ROC, wynosi 0,96. Czułość modelu w wykrywaniu COVID-19 oceniono na 90%, a jego swoistość wynosiła 96%.

Ograniczeniem modelu jest brak możliwości oceny stadium zaawansowania choroby.

Źródło: Li L. et al., Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT. Radiology. 2020 Mar 19:200905. doi: 10.1148/radiol.2020200905.

 

MA-PFM-RAD-PL-0005-1