La pandèmia de la COVID-19 va assaltar el món a principis del 2020 i des d'aleshores s'ha convertit en la principal causa de mort a diversos països, com ara la Xina, els EUA, Espanya i el Regne Unit. Els investigadors estan treballant àmpliament en el desenvolupament de maneres pràctiques de diagnosticar les infeccions per COVID-19, i molts d'ells han centrat la seva atenció en com es podria aprofitar la intel·ligència artificial (IA) per a aquest propòsit.
Diversos estudis han informat que els sistemes basats en IA es poden utilitzar per detectar COVID-19 a les imatges de raigs X del tòrax perquè la malaltia tendeix a produir zones amb pus i aigua als pulmons, que apareixen com a punts blancs a les exploracions de raigs X. . Tot i que s'han proposat diversos models d'IA de diagnòstic basats en aquest principi, la millora de la seva precisió, velocitat i aplicabilitat segueix sent una prioritat.
Ara, un equip de científics dirigit pel professor Gwanggil Jeon de la Universitat Nacional d'Incheon, Corea, ha desenvolupat un marc de diagnòstic automàtic de COVID-19 que augmenta les coses combinant dues potents tècniques basades en IA. El seu sistema es pot entrenar per diferenciar amb precisió entre les imatges de raigs X del tòrax de pacients amb COVID-19 de les que no són COVID-19. El seu article es va publicar en línia el 27 d'octubre de 2021 i es va publicar el 21 de novembre de 2021 al volum 8, número 21 de l'IEEE Internet of Things Journal.
Els dos algorismes que van utilitzar els investigadors van ser Faster R-CNN i ResNet-101. El primer és un model basat en l'aprenentatge automàtic que utilitza una xarxa de proposta de regió, que es pot entrenar per identificar les regions rellevants en una imatge d'entrada. La segona és una xarxa neuronal d'aprenentatge profund que consta de 101 capes, que es va utilitzar com a columna vertebral. ResNet-101, quan s'entrena amb prou dades d'entrada, és un model potent per al reconeixement d'imatges. "Segons el nostre millor coneixement, el nostre enfocament és el primer que combina ResNet-101 i Faster R-CNN per a la detecció de COVID-19", comenta el professor Jeon, "Després d'entrenar el nostre model amb 8800 imatges de raigs X, vam obtenir un una precisió notable del 98%".
L'equip d'investigació creu que la seva estratègia podria resultar útil per a la detecció precoç de COVID-19 als hospitals i centres de salut pública. L'ús de tècniques de diagnòstic automàtic basades en la tecnologia d'IA podria treure una mica de treball i pressió als radiòlegs i altres experts mèdics, que s'han enfrontat a grans càrregues de treball des que va començar la pandèmia. A més, a mesura que els dispositius mèdics més moderns es connectin a Internet, serà possible alimentar grans quantitats de dades d'entrenament al model proposat; això donarà lloc a precisions encara més grans, i no només per a la COVID-19, com afirma el professor Jeon: "L'enfocament d'aprenentatge profund utilitzat en el nostre estudi és aplicable a altres tipus d'imatges mèdiques i es podria utilitzar per diagnosticar diferents malalties".
